專案原因，兩個月時間陸續做幾個資料分析的工作。走了一些彎路，下面是一些經驗總結
1、需要保證分析的可信度，一般需要大量的自評，符合預期後才能進行下一步工作。
2、巨集觀分析，得出整體的結論
3 、細化分析，使得看報告的人能夠從中找出自己想要的指標。
4、根據以上分析得出分析結論，做總結。
5、最重要的是，給出分析結論之後，要給出具體的改進方案，方法。
老大們看重的應該最後一條：給出結論並給出具體的解決方案，解決人員，解決時間等。
另外，在資料分析中awk語句很有用，避免寫很長的**
最後吐槽一句，資料分析真是乙個苦逼的工作。
大資料分析經驗總結
大資料分析到底需要多少種機器學習的方法呢？圍繞著這個問題，機器學習領域多年得出的一些經驗規律。1.大資料分析效能的好壞，也就是說機器學習 的準確率，與使用的學習演算法 問題的性質 資料集的特性包括資料規模 資料特徵等都有關係。2.一般地，ensemble方法包括random forest和adabo...
資料分析模型總結
1.邏輯回歸 from sklearn.linear model import logisticregression clf logisticregression penalty l1 solver saga tol 0.1,c 0.1,random state 0 clf.fit x train ...
資料分析面試總結
data node mapreduce 分布式計算 mapreduce流程 mrjob yarn 資源排程協調 第三正規化 不存在屬性對主鍵的傳遞依賴 永續性事務執行成功後，該事務對資料庫的更改是持久儲存在資料庫中的 快排思想 用到了分治思想，和分治演算法一樣為了進行排序需要先對其劃分的子區間進行排...