第五讲数据概要解析.pptVIP

注：假设出现恶性传染的情况，取北京爆发期的最大 R 值：1.173729； 从模拟的情况可以看出，疫病的早期控制时机极为重要。 4、决策反应的时机：再次发生SARS疫情的情况模拟 SARS疫情是一种传染潜力较低的流行病，因此可以通过良好的公共卫生体系对其进行有效防控； 而正是由于SARS危机发展缓慢，曾使我们对危机的认识和反应都相对滞后。而由于缺乏有效的危机管理计划和完善的公共卫生防控系统，最终形成疫病大规模爆发的态势； 政府采取了一系列果断、有效的措施下，北京对疫情的控制力度和速度都明显好于香港水平； 当SARS再次出现时，只要我们继续坚持采取早发现、早报告、早隔离、早治疗的措施。完善发烧排查制度，就完全有可能把SARS疫病的流行趋势遏制在萌芽状态。 数据分析的基本印象与相关建议 数据分析概要 数据分析的步骤 2 数据分析的示例 3 1 数据分析的方法 3 3 数据分析的步骤 结果展现及决策建议 选择适当的模型，数据分析 收集相关数据 了解分析的目的 第四步 第三步 第二步 第一步 数据分析的步骤 第一步：了解分析的目的 4w-why when where what 第二步：收集相关数据 数据是对相关业务全过程记录下来的、可以以鉴别的符号。 数据是业务全过程的属性数量、位置及相关关系等等的抽象表示。 数据分析的步骤 因素三 因素二 因素一 因素四 第三步：选择适当的模型方法，通过数据分析对比得出结论。 按数据的性质一般可归纳为： 定性数据。往往用于频数或频率分析。 定量型数据。可以用数字量化的数值。 1、直观：能清晰地表达主题 2、醒目：信息点特别突出 3、变化：图形使用应丰富多彩 4、图文并茂：文字应与图、表的篇幅平衡 描述性统计的技巧： 用数据说话的强烈意识 对系统特性的深入思考 尝试性分析 对信息点敏感 第四步：结果展现及决策建议 数据分析的步骤 数据分析概要 数据分析的步骤 2 数据分析的示例 3 1 数据分析的方法 3 3 选择建模方法 模型处理的步骤比用于建模的技术更重要。 用于开发预测和描述模型的工具 统计方法 线性回归 多元线性回归 逻辑回归 混合方法 神经网络 遗传算法 分类树 回归树 线性回归 独立变量 依赖变量 Simple linear regression analysis 量化两个连续变量之间的关系的统计技术 发现一条穿过数据的线，线上的点使对应数据点的方差最小 线性回归 独立变量 依赖变量 用多个预测或独立连续变量来预测一个连续变量为多元线性回归multiple linear regression. 独立变量 独立变量 逻辑回归 logistic regression 与线形回归相似，它的依赖变量不是连续的，而是离散的。 神经网络neural network 不依照任何概率分布，而是模仿人脑的功能，，每一次经验中提取并学习信息。 由分布若干层的节点组成。数据被分为训练数据集和测试数据集，然后将权重或输入指派到第一层的每个节点。每次重复时，系统处理输入，并与实际值相比较，得到度量后的误差，并反馈给系统，调整权重。当达到与定义的最小误差水平，处理结束。 优点：可在数据中挑选非线性关系的能力， 缺点：1具有过渡适应数据的倾向，可能导致模型应用于新数据时迅速恶化。 2难以解释输出的结果 * * 遗传算法genetic algorithm 不遵循概率分布,即许多模型通过一系列的比较、调整来发现最佳的模型。 各遗传算法不同，在每一步使用匹配，突变，克隆来改变模型。 1.决定模型目标或对象 2.选择一个度量评估模 型适应度 3.模型被随机以其他改变如匹配、突变、克隆；这些操作涉及随机转变变量、符号、函数。 4.经过多次迭代，出现成功的模型 * * 分类树classification tree 即将数据分类到不同的组或分支中，在依赖变量的值上 建立最强划分。 1.通过一种期望的行为识别分区。 2.具有检测非线性关系的能力。 解释结果能力强 支持向量机support vector machine 将最优化的方法应用到机器学习当中，寻找求解分类问题和回归问题等的若干途径。 1、在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 2、具有检测非线性关系的能力。 分类效果好 第五讲 数据分析概要 韩璐 数据分析概要 数据分析的步骤 2 数据分析的示例 3 1