- 博客(19)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 3.数据指标体系的应用----数据监控体系
明确目标---->挑选指标---->拆解指标---->判断达标情况---->搭建监控报表---->进行分析---->改善状况再复盘。
2024-03-02 11:00:00
609
原创 2.什么是指标体系？
指标体系：多个相互之间又逻辑联系的指标，构成的整体二分法: 就是对一个事物拆解为本部与非本部,然后层层拆解,直至无法细分.过程法:对事物的发展变化过程进行每个时期进行拆分结构组成法: 将事情看为一个整体,拆分为不同的组成部分,层层解构.公式法: 例如: 销售额= 销量×单价, 那么销售额就可以拆解为销量 和单价二维象限矩阵法: 按照两个维度对事物进行分类处理.
2024-03-01 10:30:00
548
原创 1.什么是数据指标
数据分析指标必须基于业务实际,不可空想数据分析结论必须基于数据表现,不可预设观点数据分析时效必须准确及时,不可重复使用同一周期内的数据。
2024-02-29 22:48:29
1050
1
原创 游戏数据运营--3. 游戏关键数据指标
手游的激活: 一般指安装好客户端后, 打开客户端的行为:** 手游的激活率 = 激活量 / 安装量 **对于有些游戏发放激活码激活码的激活率 = 激活量 / 激活码的发放量激活码的激活且登录率 = 激活且登录量 / 激活码的激活量。...
2022-08-15 19:01:31
1050
原创 游戏数据运营--2.新版本效果分析案例
更新后6天内的数据如下。新用户登录后激活的转换率为27％，日均活跃人数10万，次日留存率43％，平均在线时长5.6小时，充值账号数5万，回流账号数1万。流失一个月以上回归的账号数1万，占活跃用户比例22％，次日留存率37％，回流且充值账号数为1000人，购买打折月卡比例7.3％。②参与打折月卡账号数占比37％，两种类型的打折月卡比例相当，购买打折月卡中5.7％为点卡老玩家，4.3％为月卡新玩家。（5）购买打折月卡中90％的玩家为1月1日之前购买过的月卡老玩家，5.7％为之前的点卡老玩家；...
2022-08-12 19:16:07
1018
原创 游戏数据运营--1. 怎样做好游戏数据分析
下面的这几点全都算是面试的套话, 干货面试经, 对于跨行业做游戏数据运营的数据分析师真心建议先拿出大把时间去了解自己心仪公司的游戏, 从玩家的角度倒推出一份数据分析的demo, 这样面试起来会更有底气, 愿我们都能有心仪的工作。...
2022-08-12 17:43:30
1191
原创 1.2 open()函数--打开文件并返回文件对象
1.2 open()函数–打开文件并返回文件对象1.2.1 语法参考open(file,mode='r',buffering = 1, encoding=None,errors=None,newline = None, closefd=True, opener=None)参数说明:file:必需参数,文件路径mode:指定文件的打开模式, 默认为"r" , r为只读模式, w为写入模式, a为追加模式buffering:指定读写文件的缓冲模式, 0 为不缓存, 1为缓存,大于1为缓冲区大小e
2021-10-25 19:22:36
2334
原创 1.1 input()函数--输入
@[TOC](1.1 input()函数–输入)1.1.1 语法参考input() 函数 : 提示并接收用户的输入内容, 将所有输入内容按照字符串的数据类型进行处理,返回字符串类型的数据。示例:a = input("请输入古诗第一句:")b = input("请输入古诗第二句:")c = input("请输入古诗第三句:")d = input("请输入古诗第四句:")list= [a,b,c,d]print(list)运行结果:锦囊1 : 常用输入#常用输入#无提示 无换行
2021-10-25 19:10:09
6467
1
原创 SQL中的limit与offset
SQL中的limit与offset三种用法limit 后带一个数字，该数字表示要取的数量：limit 后 带两个数字，第一个表示要跳过的数量，第二个表示要取的数量：limit 与 offset 配合使用：三种用法（后面都将以该表S为例）limit 后带一个数字，该数字表示要取的数量：select * from S limit 2;结果：取出A 10B 20limit 后 带两个数字，第一个表示要跳过的数量，第二个表示要取的数量：select * from S limit 2,1 ;
2021-05-28 20:18:02
1734
原创 我的学习--吴恩达机器学习课程（第一天）
我的学习--吴恩达机器学习课程（第一天）写在前面监督学习概念:特点：算法举例：无监督学习概念:特点：写在前面哈喽哈喽，欢迎来到我的学习笔记，都是我自己的理解，纯干货！监督学习概念:简单的理解就是，在一个数据集内，数据本身带有标签，机器学习某些带有我们想要的标签的数据，从而在数据集内可以选择出（判断出）我们想要的数据，或者找到我们数据标签中的一些规律。特点：数据本身带有某些标签算法举例：回归算法：预测连续型数据的输出分类算法：预测离散型数据的输出无监督学习概念:简单的理解就是，我们给
2020-11-12 17:26:36
219
原创 机器学习算法中的几个疑难杂症点(8)----ID3算法的缺陷
本文主要来讨论一下决策树中ID3算法的缺陷,以及为什么倾向于特征选择项较多的特征.文章目录一、ID3 算法的缺点:1、考虑不全面2、原理缺陷二、ID3 算法为什么要选择特征多的属性:参考文档一、ID3 算法的缺点:1、考虑不全面(1)没有考虑连续特征.只对于离散型特征进行信息增益的比较,极大的限制了ID3的用途.(2)没有考虑到缺失值的情况.(3)没有考虑过拟合问题.因为决策树会把特征...
2019-11-12 19:03:12
1691
原创 机器学习中的几个疑难杂症点(7)----SVM的损失函数
今天我们来讨论一下该如何理解svm的hinge损失函数.文件目录参考文档参考文档https://blog.youkuaiyun.com/Snow_yuki/article/details/90755421https://www.cnblogs.com/hoey-ge/p/5587383.htmlhttps://zhidao.baidu.com/question/2015612124607131548...
2019-11-11 21:53:50
307
原创 机器学习的几个疑难杂症点（4）——变量编码方式(LabelEncoder、one-hot Encoding、dummy Encoding)
文章目录一、LabelEncoder 编码方式对文本：对不连续数字：二、one-hot Encoding (独热编码)三、dummy Encding(哑编码)四、总结参考文档一、LabelEncoder 编码方式LabelEncoder是对不连续的数字或文本编号。对文本：LabelEncoder可以将[中国，美国，日本]转化为[0,1,2]，但这样会出现一个问题：中国和日本的平均会等于日本...
2019-11-10 21:45:30
940
原创 机器学习的几个疑难杂症点（3）——数据离散化
本文主要解释了什么是离散化，什么情况下我们需要离散化，以及离散化的优点文章目录一、什么是数据离散化二、为什么要进行离散化三、离散化的优势四、总结：4、参考文档：一、什么是数据离散化百度百科：离散化，把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小。例如：原数据：1,999,100000,15；处理后...
2019-11-10 21:01:54
790
原创 在机器学习算法中的几个疑难杂症点（2）
文章目录最大似然和最小二乘法参考文档:最大似然和最大后验准确率和召回率最大似然和最小二乘法参考文档:https://blog.youkuaiyun.com/behboyhiex/article/details/80807851https://www.zhihu.com/question/20447622/answer/209839263最大似然和最大后验准确率和召回率...
2019-11-07 23:50:17
477
原创 在机器学习算法中的几个疑难杂症点（1）
文章目录过拟合过拟合的定义过拟合出现的原因过拟合的解决办法正则化的两种形式L1正则化L2正则化L1正则化和L2正则化的区别过拟合过拟合的定义过拟合的百度百科定义：“给定一个假设空间H,一个假设h属于H,如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小,但在整个实例分布上h’比h的错误率小,那么就说假设h过度拟合训练数据。”个人理解：是指模型过度的完美拟合训练数据，但是训练...
2019-11-06 22:38:32
360
原创 机器学习算法2(用python实现三种梯度下降)
用python实现三种梯度下降我尽量详细的进行相关注释代码如下 import numpy as np #导入numpy import os #导入os操作系统 # 画图%matplotlib inlineimport matplotlib.pyplot as plt# 随机种子,用随机函数时自动触发np.random.seed(42)# 保存图像PROJECT_ROOT...
2019-11-05 22:56:18
442
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人