才刚刚开始了解Django，却被告知过时…

相关分析，是现在统计工作者较为常用的一种数据分析方法，用于分析变量（字段）间是否存在相关关系。 通常情况下，相关系数越大，我们认为变量间相关性越强。但是，有时我们在实际生产时，会出现相关系数很大但不显著的情况，对于这种情况，初学者（包括我）通常会处于懵逼状态，或是直接取相关系数作为解释，反正领导或是客户他们也不懂。 对于这种“相关系数大但不显著”的情况，通常有以下解释： 1、绘制散点图，看数据是否存在

亲爱的霜叶红小数据吧的吧友们：大家好！ “伍雄爱爱”为本吧吧主候选人得票最多者，共计2张真实票数，根据竞选规则，官方最终批准@伍雄爱爱，为本吧正式吧主。公示期三天。 吧主上任后，请严格遵守吧主协议 https://tieba.baidu.com/mo/q/newapply/rule?from=task，履行吧主义务，积极投身本吧的发展建设，也请广大吧友进行监督。如出现违规问题，请至贴吧反馈中心进行反馈或者投诉http://tieba.baidu.com/pmc/reportBazhu

大数据的就业方向比较广泛，基础的统计分析和传统的软件开发，即数据分析、数据挖掘、数据可视化、数据系统呈现等，从就业角度，目前大数据对软件开发行业的推动是最为明显的。

人，一定要有感恩之心，即使你真的很牛，都坚决不能见形忘义，一定要记住人生中的伯乐，平台，环境，身边每一个影响你观念性改变的人。

无论什么工作岗位，一定不要去和领导对比工作量，而要主动为领导承担，做到他不在，你依然能把控一切甚至更好。这样，领导才能腾出时间，为我们寻找更多的发展方向。 不用担心，你的领导会比你都闲不住的，闲着的时候他一定会比你更恐慌。

个人能力：会做——>做好——>做精 团队能力：团队意识——>组合拳

当下社会，应该返璞归真 无论是个人还是企业，应该回归真诚，唯有真诚，方可长久！

年轻的资本是什么？ 年轻的资本就是初生牛犊不怕虎，有梦就去吹！

缩短成长周期 趁年轻，不畏艰难困苦，加倍努力，缩短成长周期，别人用三天达成的事情，你一天甚至更短更快完成。

数据价值，个人认为离不开传统统计的理论基础。虽然现在有很多语言已经封装了很多潮流的学习方法，但是如果不明就里，还是很难真正从数据角度去解决问题和发现价值的。比如什么情况需要标准化，什么情况需要处理缺失值，模型算法的参数调整的意义…

各种机器学习方法对缺失值、异常值的敏感度，各自方法是否需要标准化？

各种机器学习方法对数据都有些什么要求？

各种机器学习方法的适用场景是什么？

各种机器学习方法的优缺点是什么？

请问目前主流的机器学习方法有哪些？

你是否会发现，目前的前卫词汇，其实你只需掌握一类方法，其他的你都会了？

首先需要了解几个词汇：深度学习、机器学习、监督学习、无监督学习、数据可视化、用户画像

今天又当了一回老师，气得我…

说了这么多，“数据分析”“数据挖掘”“数据模型”之类的词语真的是让人作呕，不管什么样的分析材料或是报告，到处可见，但是仔细一看，真不知哪里体现了分析和挖掘，或是模型，汇总就是汇总，统计就是统计，非要把这些词语拿来滥用。 接下来我们也不装那个啥了，就一起探讨一下我们身边的小数据吧。并非大数据才有价值，把我们的小数据用好用活，月薪过万不是梦。

数据挖掘与数据分析的区别。 个人认为，数据分析与统计基础的贴合度更高，更多倾向于数据的汇总和简单的关联分析等，而数据挖掘与软件的需求更为贴和，因为数据挖掘，不仅是简单的数据意义呈现，更重视于背后的看不见的数据价值，其方法多为一些深度学习方法，所以对开发基础的要求会更高一些。 二者都能发现数据价值，都需要一定的业务背景。

数据挖掘，真正的数据挖掘高手，必须具备一定的统计理论基础，业务基础，编程基础。可想，欲了解这些知识，你得花多少时间，多少青春，所以这就是为什么数据挖掘行业前途一片光明的原因，因为几乎没有人能完全掌握这些东西。 对于这个说法，有不服气的欢迎指教，哪怕是到处游走培训的大师，还是电脑前的软件高手… 然后，其实当下很多用人单位都不清楚这些概念，招个数据汇总处理的岗位，以为就是带领公司走向数据时代；有些招个数

统计基础之异常值，业务工作中，我们经常会遇到对异常值的处理，一是如何界定异常值，二是自己的模型方法是否需要去掉异常值，另外，我们在做一些客户挖掘或是客户预警时，经常会有和异常值接触的时候，例如流失客户预警，很多小伙伴在做类似模型时，往往会被低召回率给卡住，如100000个用户中，流失客户只有10个，对于这种不均衡样本数据，模型通常只识别为规模较大的一类，即把10万个用户都预测为不会流失…这种情况下，我们就可以

谈到统计，那么对于统计那么多的理论知识，我们该如何下手呢？ 个人认为可以先从数据的集中性、稳定性、周期性等方面入手，即平均数、中位数、众数，四分位数、方差，标准差等，我们生活中通常是用平均值来衡量数据的集中性，但对于专业的数据分析者，你有必要了解中位数和众数，了解他们的差异和适用场景。

只了解统计，你会发现心有余而力不足，有很多数据相关的想法，却没能力去实现。只懂编程，有力却不明就里，只能按封装好的模块生搬硬套。 说到这里，可能会有很多人不服…

上节说到，欲真正了解数据价值，离不开统计基础理论，然而，只有统计基础，想走大数据方向，也是不够的。原因就在于现在的“大数据”，我们必须有相关的编程基础，才能将数据价值更好的体现给领导或客户，尤其是现在的数据更讲究的是时效性。所以，即使你只是想从事数据分析或挖掘的相关工作，也必须熟悉至少一门编程语言，当下嘴火的自然就是python了。

亲爱的各位吧友：欢迎来到霜叶红小数据