- 博客(16)
- 收藏
- 关注
RSS订阅原创 Excel T-Test原理及使用方法
摘要：本文详细介绍了Excel中进行T检验的完整指南，包括三种检验类型（独立样本、配对样本、等方差）的核心区别与适用场景，操作步骤及结果解读方法。重点阐述了方差齐性检验的重要性，提供了从数据准备到专业报告的完整分析流程，并指出常见错误与最佳实践。文章还介绍了T检验的底层计算原理，新版Excel的改进功能，以及不适合使用T检验的情况，强调统计显著性需结合业务场景和效应量进行综合判断。
2025-12-25 17:56:59
2713
原创 为什么统计学中的误差指标多为平方差
摘要： 平方误差（L2损失）因其数学优雅性和工程实用性被广泛采用。其关键优势包括：1）处处可导，便于梯度下降等优化算法；2）对大误差的二次放大效应，更关注极端值；3）与高斯噪声假设下的最大似然估计等价，理论基础坚实；4）线性回归中存在解析解。相比之下，绝对误差（L1损失）在零点不可导，对离群点更稳健但计算复杂。实际应用中，MSE是默认选择，而MAE适用于存在离群点的场景。这两种损失函数分别对应均值和中位数估计，选择取决于具体需求。
2025-12-22 16:05:56
911
原创 XGBoost模型原理详解及用户画像应用
XGBoost是一种高效的梯度提升决策树集成模型，通过顺序构建决策树来逐步修正预测误差。其核心优势在于工程优化：正则化防止过拟合、并行处理加速训练、自动处理缺失值，并支持多种损失函数。在用户画像应用中，XGBoost能精准预测用户行为（如流失风险、消费金额），通过特征重要性分析识别关键画像维度，并借助SHAP值解释个体预测结果，实现个性化洞察。这种"预测+解释"的双重能力，使其成为构建精准用户画像的理想工具。
2025-12-19 22:35:12
549
原创 梯度下降 & 神经网络（RNN & LSTM)
梯度：用于更新神经网络的权重值梯度下降：随着传播推移，梯度逐渐减小，梯度消失时，模型会停止学习。short-term memory in RNN: 在递归神经网络中较早的层由于梯度太小而停止学习。由于不学习，这些层可以忘记在较长序列中记忆的内容，而保留短期记忆。...
2021-09-16 11:58:06
1632
原创 Alpha Fold 2
蛋白质结构预测写在前面一、what is embedding?二、基础知识1.蛋白质结构2.MSA（Multiple Sequence Alignment）三、研究蛋白质结构的重要性1.分析蛋白功能2.制药需求3.节约大量制药资金和时间4.进一步了解生命体结构和历史。四、AlphaFold11.分析蛋白功能五、AlphaFold21.算法实现写在前面开源链接： https://github.com/deepmind/alphafold论文链接：https://www.nature.com/artic
2021-07-30 17:53:32
2663
原创 Classifier 分类器：异常检测/离群检测常用算法
Classifier 分类器：异常检测/离群检测一、CBLOF(Cluster-Based Local Outlier Factor基于聚类+距离)二、KNN (K Nearest Neighbors)三、Isolation forest (孤立森林）四、Robust covariance一、CBLOF(Cluster-Based Local Outlier Factor基于聚类+距离)基于LOF思想，计算每个点p和其相邻点之间的密度来判断该点是否为异常点。距离越近则密度越高，距离越远则密度越低。
2021-07-25 18:06:10
1099
原创 判断数据是否符合正态分布常用的function
判断数据正态性常用的function：1、QQ-PLOT(quantile-quantile plot): p-value观测值和p-value期望值的比较，用于判断统计模型的合理性。参考文献：QQ-PLOT原理详解import statsmodels.api as smsm.qqplot(diff_result_data_df.loc[:,'clicks_diff'], line='q')plt.title('click diff QQ-plot')观测值分布（蓝点）和正态分布线（红色直线
2021-06-13 14:47:30
793
原创 统计学相关知识点
统计学相关知识点一、卡方分布（chi-square distribution）二、使用步骤1.引入库2.读入数据总结一、卡方分布（chi-square distribution）n组相互独立的、服从正态分布的变量组成的分布。自由度为n。记为：Q~x^2(n)二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport.
2021-05-02 22:12:49
3312
原创 Hashing
Hashing一、What is hashing？二、常见的hashing method1.Division-remainder method:2.Folding method:3.Radix transformation method:4.Digit rearrangement method:三、hashing algorithm in AB test sampling:1. Collision problem:一、What is hashing？Hashing is to transform a.
2021-04-28 15:19:12
356
原创 synthetic control & incrementality test
Using Synthetic Controls:Feasibility, Data Requirements, and Methodological Aspects
2021-04-21 18:05:23
210
原创 移动平均
移动平均一、移动平均的主要分类1. 简单移动平均2. 加权移动平均3. 指数移动平均4. 分形自适应移动平均5. 赫尔移动平均一、移动平均的主要分类1. 简单移动平均2. 加权移动平均3. 指数移动平均4. 分形自适应移动平均5. 赫尔移动平均...
2021-04-18 23:25:05
1100
原创 常见statsmodels图形
QQ PLOTQQ-PLOT (quantile-quantile plot): p-value观测值和p-value期望值的比较，用于判断统计模型的合理性。
2021-04-05 18:28:38
612
原创 Power Analysis估算样本容量
Power Analysis 估算样本容量前言一、使用G*power计算统计检验力前言为什么要进行功效分析？统计功效指的是某检验能够正确的拒绝一个错误的虚无假设的能力，1-β。 为了确定研究的效应是否稳定。在假设检验中，如果将p<0.05作为拒绝H0的标准，那么得到p<0.05这个结果的统计功效决定了结果的可信度。同时，后验统计功效在样本量很小的情况下可信度也不高。（效应量大，inflated result）一、使用G*power计算统计检验力相关变量：样本量、效应量、alpha.
2021-03-20 23:40:27
4411
原创 时间序列
时间序列一、时间序列是什么？二、时间序列分类1.白噪声序列2.平稳非白噪声序列3.非平稳序列三. 时间序列主要模型1. ARIMA总结一、时间序列是什么？时间序列是指某种现象某一指标在不同时间上的各个数值，按照时间先后顺序排列而形成的序列。基于随机过程理论，用于动态数据处理。经典的统计分析都嘉定数据序列具有独立性，而时间序列分析则侧重研究数据序列的相互依赖关系。二、时间序列分类1.白噪声序列纯随机序列，没有预测价值。2.平稳非白噪声序列均值/方差都是常数：AR MA ARMA3.非平稳序列.
2021-03-16 20:28:20
4017
原创 AB Test & AA Test
AB Test & AA Test前言一、AB Test1. AB Test sampling2. AA Test3. AB Testing前言 AA Test: 在进行AB Test之前，对AB Test的sampling进行测试，分析两个group之间存在的本源性差异。AB Test: 为同一款产品设计两个不同的执行方案进行投放测试。方案中控制一个变量不相同，对照结果择优。一、AB Test1. AB Test sampling常见的sampling维度： Geo/ Time S
2021-03-04 22:21:37
3476
1
原创 python learning note
Python Learning Notepython基本概念python包Pandaspython基本概念python是一种解释型，面向对象，动态数据类型的高级程序设计语言python包PandasIn particular, pandas offers data structures and operations for manipulating numerical tables and time series：pd.Series// create a seriesIn [3]: s
2021-02-24 16:56:10
242
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人