数据挖掘与数据分析（三）—— 探索性数据分析EDA(多因子与复合分析) & 可视化(1)—— 假设检验(μ&卡方检验&方差检验(F检验))&相关系数(皮尔逊&斯皮尔曼)
本文共 390 字，大约阅读时间需要 1 分钟。
- 假设检验与方差检验
- 相关系数：皮尔逊、斯皮尔曼
- 回归分析
- PCA与奇异值分解
假设检验
根据一定的假设条件，从样本推断总体，或者推断样本与样本之间关系的一种方法
也就是说，我们做出一个假设，然后根据数据或者已知的分布性质，推断这个假设成立的概率有多大
步骤
假设检验的方法有很多，这些方法的差别一般取决于检验统计量的选取上
μ检验举例
卡方检验举例
方差检验
方差检验也叫F检验，因为用到了F分布
前面两个检验方法只是研究了一个样本，或者两个样本，当数据样本数量比较多的时候，就要用方差检验了
相关系数
相关系数衡量两组数据/样本的分布趋势、变化趋势一致性程度
有正相关、负相关、不相关
- 相关系数越大，越接近于1，二者变化趋势越正向同步
- 相关系数越小，越接近于-1，二者变化趋势越反向同步
- 相关系数趋近于0，二者没有相关关系
常用的相关系数有两种，皮尔逊相关系数和斯皮尔曼相关系数
转载地址：http://llygf.baihongyu.com/
你可能感兴趣的文章
判断数据的JS代码
查看>>
js按键事件说明
查看>>
AJAX 初次体验！推荐刚学看这个满好的！
查看>>
AJAX 设计制作 在公司弄的 非得要做出这个养的 真晕！
查看>>
Linux 查看文件大小
查看>>
Java并发编程：线程池的使用
查看>>
redis单机及其集群的搭建
查看>>
Java多线程学习
查看>>
检查Linux服务器性能
查看>>
Java 8新的时间日期库
查看>>
Chrome开发者工具
查看>>
【LEETCODE】111-Minimum Depth of Binary Tree
查看>>
【LEETCODE】235－Lowest Common Ancestor of a Binary Search Tree
查看>>
【LEETCODE】110-Balanced Binary Tree
查看>>
【LEETCODE】101-Symmetric Tree
查看>>
【LEETCODE】257-Binary Tree Paths
查看>>
【LEETCODE】102-Binary Tree Level Order Traversal
查看>>
【LEETCODE】107-Binary Tree Level Order Traversal II
查看>>
数据结构－stack－学习笔记
查看>>
【LEETCODE】145-Binary Tree Postorder Traversal
查看>>