weixin_42093798的博客

Tableau 安装与介绍 下载地址： http://www.tableau.com/zh-cn/support/esdalt 1、对接数据源 常用数据：Excel、access、csv、txt 采用数据库：mysql、oracle、sql server、odbC 分析服务器：微软分析服务器、hadoop、kettle 其他：GA(谷歌分析)、亚马逊 数据源：兼主流数据源、8年积淀适用范围广。 2...

这里是在CentOS 系统下配置多个版本之间的切换 1、到官网下载jdk7和jdk8 http://www.oracle.com/technetwork/cn/java/javase/downloads 2、解压到目录下 ＃解压jdk7 tar -zxvf jdk-7u79-linux-x64.tar.gz ＃解压jdk8 tar -zxvf jdk-8u131-linux-x64.tar.gz ...

社交性的软件中发文字或者评论都在表达我们的情感 电商在购买商品之后再评论中是想知道用户对商品的情感状态。这个商品具体有哪些缺陷。 一、大数据发展的背景 1、算法当道 机器学习技术更加成熟，成为大数据智能分析核心技术 人工智能+大数据，成为大数据分析领域热点。 2、数据科学兴起 数据科学家逐渐分工明细、成熟 重视数据分析应用建设以及数据治理 多数据源融合分析成为趋势 New BI系统逐渐普及 3、数...

定向推送的优惠券实用场景一般是做一些大促的时候。为了拉新。提升一些新用户。让用户更直接感受到我们优惠的力度和措施。 活动页用户主动领取优惠券， ...

一、常用数据分析方法 1、对比分析方法 （1）对比分析方法案例 2、分组分析方法 （1）分组分析方法案例 3、逻辑树分析方法（分层罗列影响因素，发现问题） （1）逻辑树分析方法案例 4、漏斗图分析方法 5、矩阵关联分析方法 （1）矩阵关联分析方法案例 二、方法小结 ...

一、数据分析框架（方法论）-框架的作用 1、常用分析框架-QQ模型 （1）QQ模型案例 2、常用的分析框架-用户行为理论 （1）用户行为分析案例 3、常用的分析框架-5W2H的分析方法 ...

1、常用的数据分析指标 网站 渠道分析指标： 渠道的分析作用主要是来拉新的。 用户的转化率：判断渠道的质量好不好 渠道的ROI：渠道上面投入的一些费用，带来的一些价值是不是能cover我们的投资费用。 渠道流量的占比：做一个各个渠道流量横向的对比。 活动分析指标 活动点击率：有多少人到达活动页面，并且点击这个活动。 活动参与人数：参与到这个活动的人到底有多少人。 活动转化率：比如是得电商：通过这...

一、数据分析-数据类型 1、数据分析的前提-数据类型 右侧的图视频数分析。 2、数据分析的前提-数据收集 UV（Unique visitor） 是指通过互联网访问、浏览这个网页的自然人。访问您网站的一台电脑客户端为一个访客。00:00-24:00内相同的客户端只被计算一次。 一天内同个访客多次访问仅计算一个UV。 IP（Internet Protocol） 独立IP是指访问过某站点的IP总数，以用...

一、数据分析什么？ 1、数据分析师什么？ 2、数据分析思路 是什么？为什么？会发生什么？怎么做？ （1）用于场景：电商提升单点毛利率的（产出） GMV GMV：Gross Merchandise Volume，是成交总额（一定时间段内）的意思。 客单价 客单价（ATV: average transaction value）是一个汉语词汇，拼音是kè dān jià。是指商场（超市）每一个顾客平均...

一、数据分析流程 （1）数据分析流程：案例解析 发布订单量与完成订单骑士数之间的关系。 从图示可见，订单量在2017/08—2018/08时候，订单量每月增加的时候，订单骑士数在2018/03达到最高点。 骑士补贴和收入之间的关系 发现骑士补贴在2017/08—2018/08的时候下调，但是单均收入每月没有多大的影响。 需求分析-（分析结果）搜集数据-清理数据-绘图分析-绘制分析报告-分享报告...

数据分析-写在前面 在公司，越来越多的以用户增长业务，越来越多以用户增长为导向。

1. 背景:       1.1 以人脑中的神经网络为启发，历史上出现过很多不同版本       1.2 最著名的算法是1980年的 backpropagation 2. 多层向前神经网络(Multilayer Feed-Forward Neural Network)  ...

1. 背景： 1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出，并在1995年发表 1.3 深度学习（2012）出现之前，SVM被认为机器学习中近十几年来最成功，表现最好的算法 2. 机器学习的一般框架： 训练集...

1. SVM算法特性(优点)： 1.1 训练好的模型的算法复杂度是由支持向量的个数决定的，而不是由数据的维度决定的。所以SVM不太容易产生overfitting 1.2 SVM训练出来的模型完全依赖于支持向量(Support Vectors), 即使训练集里面所有非支持向量的点都被去除，重复训练过程，结果仍然会得到完全一样的模型。 1.3 一个SVM如果训练得出的支持向量个数比较小，SVM训练出...

机器学习中分类和预测算法的评估 准确率：例如分类达到的准确率是多少 速度：准确率高，但是算法复杂度高不高（时间快不块） 强壮行：当样本集数据与一些噪音的时候或者有一些值缺失的时候，算法表现的是不是很好。 可规模性：当一下算法在小的数据集中表现良好，但是当数据集成指数形式增长的时候，变成很大的数据集时，算法的表现如何，是否可规模化。 可解释性：当算法做出一些特征值的选择和归类的时候，我们是否能容易的...

import threading from time import sleep m = 0 # 定义一个业务函数 def func(): global m for i in range(1000000): m += 1 print("当前线程为：",threading.current_thread().name) print(m) # 线程冲突(...