阅读从未停止，输出从未开始

​这是趣味统计的第 1 期分享作者 l 萝卜正式开始建模与处理数据前，对数据进行探索并有一个初步的认识非常重要，本文将围绕变量探索，展示分类、连续变量，以及两种类型变量结合的探索方法，并展示 Python Pandas 数据处理与可视化中的一些快捷常用骚操作~注：本文数据与源代码在公众号 “ 数据分析与商业实践 ” 后台回复 “ 变量探索 ” 获取~~分类变量01 一个分类变量一个分类变量的分析方法可考虑频次和百分比，用饼图或者柱状图表示都可以我们也可以通过设置画布布局来同时显示两

简单通俗又全面的随机森林预测实战

???? 关注一下~，更多商业数据分析案例等你来撩本文已在公众号 " 数据分析与商业实践 " 首发，更多统计学知识，数据科学案例，Python 数据分析常用骚操作与案例源数据源代码等你来撩 ~~引言Python 实现的逻辑回归后，不像 SAS 那样会自动给出模型精确度的评价，需要人为操作计算 Python 专属的 AUC (Area Under Curve)，ROC 曲线与 X 轴围成的面积大小反映了模型的精度。本文将着重 AUC 值和 ROC 曲线背后的原理和 Python 代码实现。下图为

引言  本篇博文开始前，请熟知如下链接中的概念；当然，如果直接开始，遇到遗忘的统计学名词再返回查找也没问题。统计学(二)：假设检验导论 (深入浅出超详解，附Python 代码)；置信区间与 Z 检验先修  统计学(二)中关于金钱与幸福指数的案例，它的样本只有一个被试。然而，正如我们所说的那样，在实际的例子当中，各领域的研究中大多数都是一个样本中包含着许多个体。所以本篇博文将考虑样本不止一个...

假设检验是一个至关重要的主题，说其贯穿了统计学也完全没有问题。说白了，就是在大规模推广之前通过假设检验可以给自己希望证明或传播的东西提供一些分析支持，如海底捞希望革新其招牌菜虾滑的配方，若什么假设/实验都不做就贸然在全国门店进行推广，万一砸了那岂不是损失惨重？假设检验在很大程度上可以规避这个问题。

背景介绍  笔者的第一本心理学启蒙教材《西奥蒂尼社会心理学》；揭开了自我、环境、群体之间看不见的影响力。“ 行为背后的目的到底是什么？” “ 目的背后的人和环境发挥了怎样的作用？” 是社会心理学探究的两大核心问题。笔者从心理学网站中抽取了有一组关于说服者态度强硬指数的数据，为了探究受试者态度强硬的程度与说服结果的关系，我们首先需要知道他们的强硬指数的 “ 段位 ”，即他们超过了群体中百分之几的...

  正式开始前，请确保你已经完全清晰地理解了假设检验、Z分数、Z检验和置信区间的基本概念，若还有疑虑，这篇文章也许能帮到你，当然直接开始其实也没问题。统计学(三)：置信区间; Z 检验(样本平均数的假设检验), 均值分布, 附Python实现（大牌护肤品碧欧泉背后的秘密）文章目录Python 逐步实现Z检验自定义 Z 检验函数自定义置信区间函数源代码呈现延伸阅读 & 精彩回顾Pyt...

引言   抽样调查在 统计学 与 Python数据分析/数据挖掘/数据科学 中非常常用，在实际业务中也是高频刚需，而 Python 并没有专有的抽样方法库，所以将自己以前的笔记汇总到自写库中，用到时直接调用函数即可，快速且精确。行文思路  全部源代码(根据填入参数选择不同的抽样方法) --》 对每一方法进行单独使用并附上效果图全部源代码（含注释）# -----------------...