大数据分析--埃森哲 目录1、概述 2、数据分析框架 3、数据分析方法 4、数据理解&数据准备 5、分类与回归 6、聚类分析 7、关联分析 8、时序模型 9、结构优化 10、数据分析支撑工具  数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合  随着计算机技术发展和数据分析理论的更新，当前的数据分析逐步成为机器语言、统计知识两个学科的交集（备选）  随着计算机科学的进步，数据挖掘、商务智能、大数据等概念的出现，数据分析的手段和方法更加丰富   数据分析标准流程CRISP-DM为90年代由SIG组织（当时）提出，已被业界广泛认可的数据分析流程。 1.业务理解(business understanding） 确定目标、明确分析需求 2.数据理解（data understanding） 收集原始数据、描述数据、探索数据、检验数据质量 3.数据准备(data preparation) 选择数据、清洗数据、构造数据、整合数据、格式化数据 4.建立模型(modeling） 选择建模技术、参数调优、生成测试计划、构建模型 5.评估模型(evaluation) 对模型进行较为全面的评价，评价结果、重审过程 6.部署(deployment) 分析结果应用     
|
|
|
