秋收：回首过往，微笑前行

点上方 “趣味数据周刊”，关注公众号

文章期号：20190901

向每一位读者致敬，一起砥砺前行

温馨提示：请先喝一杯水，因为内容太干。

俯仰之间，铜壶滴漏，恍惚间又到9月之初

依稀记得2019年01月15号，开通了个人微信公众号，感谢关注公众号的每一个小伙伴，谢谢一路有你

秋收复盘，明确下一步的目标，砥砺前行。

1，回头放眼

累计发布文章69篇，字数破100,000字，关注人数破2000

单篇文章最高阅读量破1000 

参入贡献的作者人数5人：herain，挖数，李璐，陈力硕，陈苟

相信越努力越幸福.....

2，文章索引归档

为了学习数据分析的小伙伴们，方便阅读，由浅入深的汲取知识，下面将对历史文章进行索引编排。

2.1，统计学基础篇 ：

统计学是围绕数据主体的一门学科，它是现在人工智能的基础，我们能够借助统计学知识，从海量的数据层层抽取，不断抽象和发现数据背后的价值规律。

发现普适于大多数人的行为选择，符合大多数人的价值判断，就是数据背后的最大价值。

数据分析第一步就是掌握 数据可视化的能力，以图的形式彰显数据的潜在性，规律性，价值性，让一切一目了然，图胜过千言，掌握常用的作图方法，快速学习看这里《R语言，制作常用图表》

统计学需要掌握统计描述和统计推断两部分，描述是为了发现数据本身的特征，推断是发挥数据预测判断的价值，可以通过阅读《是否，是否，总是富肥穷瘦？》初步了解实际的运用技巧。

需要记住两个概念：“期望”，“方差”，构成了概率分布的主要概念。“期望”可以理解为一件事的引力基准线，牵引着不同的事态的发展，“方差”可以理解为事态的脱准力，方差越大事态就更难把握，也更难预测。期望是统计工作者期望的，方差是统计工作者失落的。

阅读《概率分布：掌握事态谋定千里外》，《一个公式缓解 你99%的蕉绿》掌握常用的分布，开启巧妙的统计学之旅。

描述统计多涉及数值型变量的分析，当时在客观生活中，也常常充满这文字的类别型数据，掌握类别变量的分析《类别变量的分析》，可以弥补数值型分析的空缺，丰富自己的技能树。

一件事物的出现，都是多种因素共同作用的结果，分析多因对事物的影响大小，从而抓住主要因，提高对事物的掌握度是重要的《方差分析：单因子和双因子分析》

可以说一元线性回归是入门数据挖掘的必备课程，也是需要熟练掌握的技能，学习从这里开始《一元线性回归模型的销售预测》，更进阶的多元线性回归也不容忽视《经营之道：怎样经营好一家餐馆？》

时间序列的简单探索：《探索时间序列，预测未来》

2.2，多元统计进阶篇：

多元统计是数据分析能力的一步提升，运用更加复杂的数学模型和计算方法深入挖掘潜藏着数据中的价值，掌握多元统计是提升自我能力的必不可少的一个环节。

定性变量可以说是一种类别变量，比如男女，优良差，真假，黑/白等，因变量的结果集是有限的，可预设的，定性变量的回归模型，就是基于历史数据训练出来一种数学表达式，来判断新数据的属于哪一种定性因变量的概率大小。为日常的常见的是否类决策，提供准确度的数值度量。比如《年入15万，买私家车的概率》

简而言之，聚类分析就是将研究对象（若干个个集合）按照某种标准分成若干类。相似性的度量，参考多种距离计算公式：欧式距离，绝对距离，切氏距离，明氏距离，马距氏离，兰距氏离。你也可以根据研究对象特征自己定义出一种度量相似度的距离公式。《聚类，其实就是近朱者赤》，《客户分类是精细化运营的第一步》

“数据时代的到来了，一个数据小白也可以炼成动植物学家” ：动植物数据的收集，动植物数据的整理，动植物数据的观察，种族内部相似特征的抽取，种族间差异特征的归纳，然后结论的检验，在重新整理数据，不断迭代的研究过程。判别分析《技能跨界：小白炼成动植物学家？》

主成分的概念由Karl Pearson在1901年提出，考察多个变量间相关性一种多元统计方法。研究如何通过少数几个主成分(principal component)来解释多个变量间的内部结构。即从原始变量中导出少数几个主分量，使它们尽可能多地保留原始变量的信息，且彼此间互不相关，《主成分分析，为什么选择单身？》

其他多元分析方法，因子分析，对应分析，典型相关分析，多维标度分析可以参考下列文章：

2.3，数据挖掘高级篇：

你周围的大多数人的选择，影响着或主导着你的选择；你周围的大多数人的色彩，渲染着和体现着你的色彩；你周围的大多数人的品行，反映着和彰显着你的品行；近邻就是你周围的人， 大多数就是K个人或物中具有的普遍的大多数的属性，大概率的预判你也拥有这种普遍的多数的属性。《K近邻，最简单的预判“你买了吗？”》

眼下最热门的技术，绝对是人工智能。人工智能的底层模型是"神经网络"（neural network）。许多复杂的应用（比如模式识别、自动控制）和高级模型（比如深度学习）都基于它。学习人工智能，一定是从它开始。《见山之门：神经网络》

2.4，趣味分析篇：

趣味的数据分析文章结合热点，参杂一些哲学思辩和个人生活体悟，看见有趣的世界，读懂生活的道理。

3，  初心不忘

坚持持续写作，不仅能够沉淀和巩固自己的知识。

也希望可以通过知识分享帮助别人快速成长，少走弯路。

我始终相信：“完成大于完美”，我会在持续的写作中不断的完善自己，希望输出更加优质的内容，成就更多优秀的人。

这里衷心的感谢：每一每读者，谢谢你们的鼓励支持。

向每一位读者致敬，一起砥砺前行。

如果文章有价值，你可以点右下角 “在看”

这里推荐一个公众号：演员的自我修养，从典籍中品读人生道理

扫码，关注看看，也许你喜欢

推荐阅读：