資料探勘使用的統計分析方法有哪些

1.基於記憶的推理，基於記憶的推理的主要概念是利用已知的案例來**未來案例的某些屬性。

2.市場籃子分析。

3.決策樹，決策樹具有很強的求解分類和**的能力。

4.遺傳演算法，遺傳演算法學習細胞進化的過程。

5.聚類檢測技術，包括遺傳演算法、神經網路和統計學中的聚類分析，都具有此功能。

6.鏈結分析。

8.準神經網路準神經網路是一種重複的學習方法，其中交出一串示例進行學習，以便將它們總結為足以區分它們的模式。

9.區分分析通常用於解決分類問題。

10.當判別分析中的組不符合正態分佈的假設時，Rogisian回歸分析是乙個很好的選擇。

CDA資料分析師課程以場景化教學為基礎，調動學生在資料探勘方面的實踐能力，在講師設計的業務場景中，講師不斷提出業務問題，然後學生逐步思考和操作解決問題，從而幫助學生掌握真正優秀的資料探勘能力，解決業務問題。 這種教學方式可以激發學生的獨立思考和主觀能動性，將學生掌握的技能和知識快速轉化為可以自己靈活應用的技能，可以在不同的場景中自由運用。 點選這裡預訂免費試聽課。

a） 回歸分析。

統計和資料探勘中的乙個常見問題是能夠根據特徵或屬性變數的值預測某個變數，即回歸分析，它採用連續值的因變數，並且是描述兩個（或多個）變數之間依賴關係的重要工具。

與其他統計方法相比，分析方法更擅長呼叫資料本身來指導分析過程，而不是依賴於預先給出的某些假設。 本文的主要目的是用較少的變數來解釋原始資料中的大部分變異，並有望將許多高度相關的變數轉化為自變數，從中我們可以選擇幾個小於原始變數的新變數，並能解釋大部分資料的變化（降低原始變數的維數）， 這就是所謂的主成分，而這些主成分就成了我們用來解釋資料的綜合指標。

2）主成分分析。

主成分分析是一種最接近資料探勘理念的探索性資料。

1. 描述性統計

描述性統計是通過圖表或數學方法對資料進行整理和分析，估計和描述資料的分布狀況、數值特徵和隨機變數之間的關係的方法。 描述性統計可分為三個部分：中心趨勢分析、偏差趨勢分析和相關性分析。

2. 假設檢驗

引數檢驗：引數檢驗是在已知種群分布條件下（一般要求種群服從正態分佈）對某些主要引數（如均值、百分比、方差、相關係數等）進行的檢驗。

非引數檢驗不考慮種群分布是否已知，通常不關注種群引數，而是關注種群的某些一維假設（例如，種群分布是否相同，種群分布是否正態）。

3. 令人信服的分析

導語：可靠性就是可靠性，是指用相同的方法重複測量同一物體時所得到結果的一致性程度。

可靠性指標多以相關係數表示，大致可分為三類：穩定性係數（跨時間一致性）、等價係數（跨形式的一致性）和內在一致性係數（跨專案的一致性）。 可靠性分析主要有四種方法：

重測信度法、複本信度法、半折信度法、信度係數法。

1.分組分析法。 分組分析方法是比較，將種群中不同屬性的物件分開，從而進一步了解內部資料關係，因此分組方法必須與比較法結合使用。

2.結構分析方法。 結構分析是指將人口的各個部分與人口以及人口中各部分在人口中的比例進行比較的分析方法，這是一種相對指數。 一般來說，某個部分的比例越大，其重要性越高，對整體的影響就越大。

3.平均分析方法。 平均分析方法是用計算平均值的方法，反映一定時空條件下人口某一定量特徵的一般水平。

4.漏斗分析方法。 漏斗分析法與對比分析法相結合，分組分析，比較同一環節優化前後不同使用者群體和同行的轉化率，通過對漏斗各環節的業務資料和來源的對比，直觀地發現並解釋問題。

1、比較分析法：常用於縱向、橫向、最突出、計畫、實用等各種相關資料。 例如，今年和去年同期工資收入的增長，3月份CPI的環比增長等。

2、趨勢分析法：常用於通過分析一段時間內資料操作的變化趨勢（向上或向下），為未來的發展方向提供幫助。 例如：用電量的季節性波動、**趨勢的波動等。

3.相關性分析法：常用於分析兩個或多個變數之間的相關性和程度。 例如，氣溫與耗電量的相關性、運動空位與體重的相關性等。

4.回歸分析：常用於分析乙個或多個自變數的變化對特定因變數的影響程度，從而確定其關係。 例如：

溫度、電氣裝置、用電時間等因素對用電價值的影響程度，工資收入水平對生活消費支出規模的影響程度等。

5.描述性分析法：常用於分析一組資料樣本的各種特徵，從而描述樣本的各種特徵及其所代表的群體。 例如：本月日均用電量、上海市工資收入中位數等。

6.結構分析法：常用於分析資料群體的內部特徵、性質和變化規律。 例如：用電量佔總用電量的比重、生活消費支出的構成等。

資料分析方法有 4 種型別，分別是：

1、趨勢分析，趨勢裂紋分析一般用於芯指銀靶的長期跟蹤;

2.象限分析，根據不同的資料，每個比較主體可分為四個象限;

3、比較分析，分為橫向比較和縱向比較;

4.交叉分析，主要作用是從多個維度仔細劃分資料。

1、細分分析：分析的基礎是細分，細分資料分析主要分為兩大類，一類是分步分析，例如：來上海的遊客可分為徐匯區、閔行區等; 另一種型別是維度交叉。 分割用於解決所有問題，也是一種比較基礎分析。

2、比較分析與論證：比較分析的重點是將兩個相關資料放在一起進行比較分析，可以比較大小、水平、時間、速度和慢速等相對值，通過比較，找出與第乙個純資料不一樣的問題，在同一維度上。 常見的比較方法包括：

時間比較、空間比較、標準比較。

3、漏斗分析：漏斗分析適用於交易型業務，最常用的是電商業務，利用漏斗分析分析流量多少，新使用者數量，使用者購買了多少產品等。