回归分析与数据思维相关个人学习草稿1

最新推荐文章于 2025-04-25 17:16:24 发布
最新推荐文章于 2025-04-25 17:16:24 发布
阅读量173 收藏 2
点赞数 6
文章标签： 回归 学习 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Hehe_0/article/details/145912736
版权

回归分析与数据思维相关个人学习草稿

基础内容：数据分析，数据思维，经典回归模型。一些相关参考资料：《数据思维：从数据分析到商业价值》《数据资产论》

数据的资产属性

数据不能直接认为等同资产。从这个角度出发思考数据？数据产业是什么有哪些。

一个产业在数据支撑下能够规模化应用，一些纸质化口头化转换为电子化记录数据支撑产品应用。在规模化应用的背景下，已经形成体系后再生产产品的边际成本显著偏低。

数据的相关技术提升--采集存储--分析--产品/服务。拥有控制->数据治理，经济利益->价值创造

数据价值观

价值-收入，支出，风险（不确定性） 从数据层面分析用户需求习惯规律 相关因素综合建立模型

线上线下转换率，通过参照性展现了解价值 数据分析创造价值-商业模式（如直营加盟所侧重的目标不同）-业务场景

价值考虑--->业务场景+不确定性

回归分析的道

数据分析->业务+数据 数据不能脱离实际业务去分析 抽象业务问题具象到数据层面

回归分析->Y+X 因变量Y业务的核心诉求 比较y的重要和优先性 通常要求会是不要什么而不是能够说出自己需要什么，需要数据去分析 刷卡交易简历app社交网络 好的X是竞争优势 业务经验-制度设计

数据分析分析不确定性

预测存有不确定性和不准是常态 预测能比不预测准 相对预测优势无法支撑产品 预测不准存有利益冲突因素 大数定律+金融产品

线性回归（案例

描述统计 数据正确 关联性 变化率

Hehe_0
关注
AIGC实战——生成式人工智能总结与展望
盼小辉丶的博客
10-31 1万+
近年来，生成模型取得了突破性进展，生成式人工智能拥有了无限可能性和潜在影响，有着无限的实际应用潜力，我们期待着生成式人工智能够产生更广泛的影响。生成模型领域不仅仅是关于创建图像、文本或音乐的应用，而且生成式深度学习隐藏着人工智能的本质。在本节中，将概述生成式人工智能的发展历史，然后探讨生成式人工智能面临的机遇和挑战，介绍可能的发展方向，以及它对社会的潜在影响，并解决主要的伦理和实践问题。
学习数据分析的“里程碑”是什么？
程序之道的博客
03-16 635
数据分析是一项综合技术。它既包含hardcore的编程技术，也包含诸多分析逻辑的软知识。记得靳伟曾写过一个爆款回答( 靳伟：怎样才算精通 Excel？ )，里面大致罗列了Excel从入门到精通的“五层心法”，包括快捷键、函数公式、图表、数据透视表和VBA等。我更喜欢把它叫做“里程碑”，因为一方面， 这些里程碑是每一个攀爬Excel技能天梯的朋友早晚要面对的；另一方面，跨过这道里程碑，Excel技术...
深度学习（二）-认识要从线性回归和逻辑回归说起
Huoyo
03-14 1795
一、前言 本章开始之前先来了解一下几个概念： 预测值和真实值 预测值为模型自动计算的结果（标签） 真实值为数据本身的结果 损失函数 损失函数是用来权衡预测值和真实值之间的差异的，通过这个差异我们可以判断模型参数的好坏，指导模型如何做下一步优化。 最简单的损失函数如均方差，通过预测值和真实值之间的差值来计算预测的差异性 二、线性回归 1、基础概念 线性回归主要是基于一种假设：我们所要求解的目标变量y和特征变量x之间呈线性关系，也就是我们中学所学的:y=kx+by=kx+by=kx.
流动的梦境：GPT-4o 的自回归图像生成深度解析
2301_79342058的博客
03-29 1900
大约在生成进度25–30%时，图像开始具有独特的视觉风格。野马的颜色区分开来，可能有深棕或黑色，阳光在它们身上闪耀，蹄下尘土飞扬。山体呈现更丰富的色彩：岩石、森林、甚至雪顶等。天空可能有几缕云彩。此阶段的任务是细化。
机器学习与深度学习资料
赵英超的博客
10-21 4093
机器学习与深度学习资料 机器学习 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
wojiaoawenlong的博客
09-28 4214
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网...
机器学习与深度学习资料整理
赵英超的博客
03-01 5203
《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.《Deep Learning in Neural Networks: An Overview》介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深度学...
深度学习和机器学习的相关资料
细心程度决定你的成败
04-01 9133
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schm
[深度学习] 大模型学习1-大语言模型基础知识
weixin_41421196的博客
01-01 155
大语言模型（Large Language Model，LLM）是一类基于Transformer架构的深度学习模型，主要用于处理与自然语言相关的各种任务。简单来说，当用户输入文本时，模型会生成相应的回复或结果。它能够完成许多任务，如文本续写、分类、摘要、改写、翻译等。常见的LLM包括GPT、LLaMA等。本文将重点介绍LLM的基本原理和应用。详细内容可参考modelscope-classroom进...
大语言模型中的“思维链”解读
DuHz的博客
03-03 624
思维链”即在输入问题QQQ后，模型输出答案AAA之前，显式地写出若干个中间步骤，记为序列Cc1c2ckCc1​c2​ck​每个cic_ici​代表模型的一段推理文字或一个逻辑子结论。与人类做题类似：我们通常先罗列条件，做若干推导，再总结出最终答案。如果让模型也以“写草稿”的方式输出中间推理，就等于把过程从“黑箱”中提炼了出来，帮助模型更好地聚焦于正确的逻辑步骤。
data606-finalproject:数据支持数据606的最终项目
03-29
数据预处理还包括特征选择，这涉及到识别与目标变量最相关的特征，以提高模型的预测能力。 接下来，数据探索性分析（EDA）是理解数据的关键步骤。通过绘制直方图、散点图、箱线图等图表，学生可以发现数据的分布、...
STA303-A1:多伦多附近地区covid-19病例的统计分析
03-20
在“STA303-A1:多伦多附近地区covid-19病例的统计分析”这个项目中，我们可以深入探讨一系列与统计学和COVID-19数据分析相关的知识点。这可能是一个大学课程作业或者研究项目，旨在利用统计方法来理解和解释多伦多...
为什么RPN生成的候选框，要使用rcnn来进行分类和回归操作?
Android知识库
04-21 973
RPN的核心价值：快速生成高质量候选区域，为后续 RCNN 提供基础。RCNN的核心价值：精细分类和定位优化，确保最终检测结果的准确性和类别区分度。两者结合：通过分工合作，在保持实时性的同时实现高性能目标检测（如 mAP 超过 70%）。通过这种分阶段设计，RPN 负责“广撒网”，RCNN 负责“精准捕捞”，最终实现高效且准确的目标检测。
HAL库(STM32CubeMX)——高级ADC学习、HRTIM（STM32G474RBT6）
贾saisai的博客
04-21 152
对cubemx的ADC的设置进行补充Mode：ADC 模式Independent mod 独立 ADC 模式，当使用一个 ADC 时是独立模式，使用两个 ADC 时是双模式，在双模式下还有很多细分模式可选Data Alignment：数据对齐Right alignment 右对齐Scan Conversion Mode：扫描模式，如果是多通道 AD 转换使用 ENABLE。Continuous Conversion Mode：连续转换 / 单次转换。Disabled 单次转换。
【Python 学习笔记】 pip指令使用
老衲的少女心i~
04-23 228
当前文章记录的是我在学习过程的一些笔记和思考，可能存在有误解的地方，仅供大家参考，欢迎大家有问题指出~提示：以下是本篇文章正文内容，下面案例可供参考pip是一个现代的，通用的Python包管理工具。提供了对Python 包的查找、下载、安装、卸载功能，便于我们对Python的资源包进行管理。
游戏引擎学习第239天:通过 OpenGL 渲染游戏
虾球
04-22 1050
OpenGL 渲染逻辑成功嵌入平台层；已可运行测试，无重大崩溃；基础渲染结构已具备；已知限制：纹理尚未处理。下一步是继续观察输出验证绘制是否生效，然后逐步补上纹理相关支持，让图像完整显示。整个 OpenGL 接入工作已经完成了关键节点，逐步迈入功能扩展阶段。屏幕上确实只能看到一些基本的纯色图形由于当前还未集成纹理处理功能，因此大多数画面内容（如贴图、字体、图标等）都无法正确渲染。只要不是纯色矩形或简单形状，现阶段都不会显示。说明系统确实进入了 OpenGL 渲染路径。
Springoot、Flowable快速学习
最新发布
qq_39035267的博客
04-25 349
Springoot、Flowable快速学习，你想象不到实现起来如此的简单
C++模板学习（进阶）
你已经是一个成熟的代码了，要学会自己跑起来
04-22 791
非类型模板参数的学习，函数模板和类模板的特化的认识，模板分离编译
学习模拟电路
qq_45315034的博客
04-22 732
掌握模拟电路需要耐心积累，尤其要注重理论与实践的结合，逐步培养对电路“直觉”和调试能力。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值