median:中位数

mean:平均数

mode：众数

检查中心水平：

spss:

内限：最大最小值，不是数据的最大最小值「上分位点加上1.5倍的内分位距（IQR）」

外限：真的变量的最大最小值

OLAP：联机的数据处理的操作，数据本身架构形式的处理。

第一章 数据分析概述：

数据分析介于BI和AI之间。

多维分析：每一个样本可能涉及到的多种属性。

警报：把数据作为摄像头，来检测每个周期的数据变化。如果出现了异常数据，则要为我的检测者做报告。

训练集和测试集：通过训练得到一系列数据，但是需要测试、评估它是不是最好的。

过采样：取值过少，可能需要更多抽样方法

1、评估指标

精确度

召回率

f1 score

2、机器学习分类

有监督学习；分类任务-离散值；回归任务-连续值

无监督学习（不带标签的数据，让数据自己介绍自己）：聚类任务；降维任务

半监督学习

强化学习，试错方式

看不懂。。。。。。

1、线性回归，用于处理截面数据。

1、相同或相似时间点的数据，截面数据。

2、中位数大于平均数，左偏分布。

右偏分布的最大值是平均数。

12.21 描述性统计分析

1、计量尺度。 

a、名义测量（分类变量），数值代表符号，无顺序大小。频次/百分比/累计频次及累计百分比。

b、次序测量（顺序变量），有序分类，数字有高低。

c、连续变量测量（间距、比率）间距数值为相对，能加减，不可乘除。

四考察：

中心水平：均值；众数（出现次数最多）；中位数,先排序后的中间值，数量为偶数时为[(n/2)+(n+1)/2]/2；四分位数，四等分后由中位数、上四分位数、下四分位数组成；平均数；加权平均数；几何平均数；

离散程度：异众比率（非众数比率）；极差（最大-最小）；四分位差（上分位数-下分位数）；方差（本值与均值间的距离均值）；

偏度：左偏（左边的变量线拖尾）、右偏（较普遍）

峰度：值高说明峰高。

2、统计图形：条形图；盒须图；玫瑰图

以上变量的量化水平，由低到高，低水平变量可以用于高水平统计，反之不行。

算法体系：

有监督学习：指对数据的若干特征与若干标签之间的关联性进行建模。

无监督学习：不带任何标签的数据特征进行建模；聚类、降维。

强化学习：

半监督学习

泛化能力：模型在未知数据集上的效果，在陌生数据集上表现优秀的能力称为泛化能力，我们追求的是模型的泛化能力。

训练误差：错分样本的比例

交差验证：K折交叉沿着

测试误差

交差验证

机器学习：

获取数据--获取一个任务--根据数据和算法进行学习--模型评估

模型效果

准确率、运算速度需要接近或超过人类，才有意义

OLAP分析问题不是统计模型

业务理解---企业认知

数据理解

数据准备（探索--修改（数据清洗）--建模--评估--抽样--探索）

数据建模

建模评估→业务理解

模型发布

OLAP是数据架构处理

维度——数据中的每一列

警报——监测异常数据，并警报

线性回归

线性回归基本假设

中心极限理论