【AI底层逻辑】——篇章3（下）：信息交换&信息加密解密&信息中的噪声
当我们用统计方法描述事物变化时，才发现这个世界远比想象中复杂的多，难点在于把模糊、不具体的因素量化，用数字表达就有计算和比较的前提，才能用数学方法预测和决策。信息论让人可以定量化信息和噪声，计算出信息传输的极限等，AI的很多应用都可用信息论去理解——如智能汽车上的激光雷达，会主动探测道路和周边环境，
哪些人真的不适合学习数据分析，你中招了吗？
另一个方面是自己缺乏练习，很多人学课程，看书，从来不自己操作，老想寻找一些面试题、某企业级数据集拿来分析一下，看看自己的水平，要对胃口的数据集其实很少的，即使有，也是美化版的，很多综合性的演练你还是学不到的，还不如随便爬一些数据，越乱越好（对练习工具操作有巨大好处），然后在现有数据的基础上看看可以分
计算时间序列周期的三种方法
本文，我们介绍了寻找时间序列周期的三种不同方法，通过使用这三种方法，我们能够识别信号的周期性，并使用常识进行确认。作者：Shashindra Silva。
数据分析：2023 最值得投资的 AI 公司榜单
数据集商城 的最大的优势：全平台覆盖，实时更新。全平台覆盖是指覆盖全域使用场景的，已经采集好的，结构化的，准确的公开大数据集。
【数据分析】：什么是数据分析？
随着数据时代的到来，数据分析师、数据科学家等职位越来越热门。纽约时报将数据科学家称为“21世纪最sexy”的职业。我们接下来来看看什么是数据分析。数据是科学实验、检验、统计等所获得的用于科学研究、技术设计、查证、决策等的数值。在企业中，我们每天有大量的数据产生。那么我们怎样使用这些数据呢？首先，我们
SPSS学习 相关性分析
进行相关分析双变量相关 计算变量之间皮尔逊相关系数(直接解读) 肯德尔(需要计算偏相关性)斯皮尔曼(需要通过`*`与`**`的大小进行判断)一. 分析花瓣长、花枝长与花萼长两两相关性关系采用皮尔逊 双尾检验显著性检验 双尾(双侧检验) 以0.01为检验标准 单尾(单侧检验) 以0.05为检验标准数据
【教学赛】金融数据分析赛题1：银行客户认购产品预测（0.9676）
本人的方法只获得了0.9676的结果，希望您能在本人的程序基础上进行改进，以得到更佳的效果。如果有了更好的方法，欢迎在留言区告诉我，相互讨论。
应用时间序列分析——有季节效应的非平稳序列分析-R语言
应用时间序列分析——有季节效应的非平稳序列分析
Excel常用的函数与公式集锦，再也不用担心找不全公式了
Excel函数与公式的作用是进行数据计算、分析、转换和操作，可以实现一些复杂的数据处理任务，例如：对数值进行基本的四则运算、求和、求平均值等数学运算。对数值进行条件判断、筛选、分类等操作，例如IF、SUMIF、COUNTIF等函数。对日期、时间进行格式化、计算、排序等操作，例如DATE、TIME、D
相关分析——皮尔逊相关系数、t显著性检验及Python实现
相关分析——皮尔逊相关系数、t显著性检验及Python实现
【Python入门】Python的判断语句（if语句的基本格式）
Python的判断语句（if语句的基本格式）、if语句的注意点、if总结
2023年东北三省数学建模联赛思路讲解
大家好，东北三省数学建模联赛今早开赛了，在这里先带来初步的选题建议及思路。目前我正在写A题完整论文，后续还会持续更新哈，视频版讲解大家可以看：首先是主基调：推荐大家选择A题，可以搜集数据进行具体的数据分析建模，内容比较充实，比较容易把工作量堆上去。B则完全是查阅相关文献＋可视化的一个题目，推荐擅长做
数学建模--预测类模型
数学建模预测类的方法整理和运用
【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解（非常全面，推荐收藏）
pandas对纯文本的读取提供了非常强力的支持，参数有四五十个。这些参数中，有的很容易被忽略，但是在实际工作中却用处很大。
Python对职业人群体检数据进行分析与可视化（附源码 超详细）
Python对职业人群体检数据进行分析与可视化（附源码 超详细）使用matplotlib pandas等对数据分析
数据挖掘1——课后习题
第一章：引论1.31.41.5第二章：认识数据2.52.6第三章：数据预处理3.13.23.43.7第六章：挖掘频繁模式、关联和相关性6.66.14第八章：分类基本概念8.78.128.138.16第十章：聚类分析10.210.610.1210.13
交互式数据分析和处理新方法：pandas-ai =Pandas + ChatGPT
PandasAI将Pandas转换为一个会话工具，你可以询问有关数据的问题，它则会以Pandas dataframe的形式进行回答。例如，我们可以要求PandasAI返回一个DataFrame中列值大于5的所有行，它将返回一个只包含这些行的DataFrame。})')df,ChatGPT、Panda
GEO数据挖掘（一）基础介绍
GEO数据挖掘，火山图，热图，主成分分析
数据信息汇总的7种基本技术总结
数据汇总是一个将原始数据简化为其主要成分或特征的过程，使其更容易理解、可视化和分析。本文介绍总结数据的七种重要方法，有助于理解数据实质的内容。
统计分析——回归分析
在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。
