5.3 数据的分析-【高效课堂】高一信息技术同步精讲课件（粤教版2019必修1）

5.3 数据的分析 CONTENT 1 特征探索 2 关联分析 3 聚类分析 4 数据分类 数据的分析 数据分析 就是在一大批杂乱无章的数据中，运用数字化工具和技术，探索数据内在的结构和规律，构建数学模型，并进行可视化表达，通过验证将模型转化为知识，为诊断过去、预测未来发挥作用。 5.3.1 特征探索 数据特征探索的主要任务是对数据进行预处理，发现和处理缺失值、异常数据，绘制直方图，观察分析数据的分布特征，求最大值、最小值、极差等描述性统计量。 通过可视化对数据构建初始认知 对于数据集中的某些现象原因提出假设 论证该使用何种统计推断进行分析 为后续使用合适的统计工具及技术提供支持 对进一步的数据收集及调查做基础 通常情况，对于未知的数据先进行特征探索 特征探索的作用 5.3.2 关联分析 关联分析就是分析并发现存在于大量数据之间的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式。 通过查看哪些商品经常在一起出售，帮助商店了解用户的购物行为，用于商品定价、市场促销、存货管理等环节 从新闻网站点击流中挖掘新闻流行趋势 搜索引擎推荐，在用户输入查询时推荐同时相关的查询词项 通过不同专业学生借书情况的分析，进行书目的推荐 关联分析的应用 5.3.3 聚类分析 聚类分析是一种探索性的分析，在分类过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分析。 聚类分析的算法有很多，其中K-平均算法是一种经典的自下而上的聚类分析方法。 商业：聚类分析被用来发现不同的客户群，并且通过购买模式刻画不同的客户群的特征。它是细分市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。 生物：聚类分析被用来对动植物和基因进行分类，获取对种群固有结构的认识。 因特网：聚类分析被用来在网上进行文档归类来修复信息。 聚类分析的应用 5.3.4 数据分类 数据分类是数据分析处理中最基本的方法。 数据分类通常的做法是，基于样本数据先训练构建分类函数或者分类模型（分类器），该分类器具有将待分类数据映射到某一特点类别的功能。 贝叶斯分类技术在众多分类技术中占有重要地位。 数据分类的应用：阅读课本P116【问题】 贝叶斯与概率分类：阅读课本P117【拓展】 $