例如聚类允许我们仅考虑我们观察

[account_disabled]

到的特征将样本分为不同的组。先验地不知道他们属于哪个群体。另一方面分类可以让您从观察到的数据中了解哪个组正在训练数学模型（例如神经网络）。这是机器学习技术的全球地图。数据分析的世界在你脚下打开催生一个新的宇宙。简直太神奇了资料来源精通机器学习到目前为止我已经帮助你了解了树的根和树枝。现在我将向您引用更多有关方法和软件的内容。我们继续主干方法论和工具为了付诸实践和学习分析技术了解尝试运用所有这些知识所需的方法非常重要。此外还有一个计算器（或软件）可让您计算所需的分析。总之。您需要软件和方法。今天我不打算与您讨论细节但我确实想列出该方法的步骤我将在另一篇文章中深入解释这些步骤。



以下是个步骤目标定义您想在数据中找到什么描述您将使用描述性统计分析您将使用推论统计结论根据您获得的结果回答您的问题关于软件。最重要的是选择市场上最适合您情况的工具。您的需求将帮助您做出决定。在另一篇文章中我将在这个主题上为您提供更多帮助。但让我概述一下这三个应用程序应用一科学研究它是关 巴林移动的电话数字 于能够分析健康、生物学和市场分析领域的研究数据。需要解决诸如比较治疗、患者群体等问题的科学学科。需要基于鼠标点击的程序。应用数据科学它们是对先进技术和通常大量数据有很高需求的应用程序。它要求你更加灵活并且具有编程能力。应用报告和小计算我们可以使用电子表格来将结果制成表格并呈现简单的描述性图表并组织结果表格。






这就是统计树的内容。借助博客的独家资源和免费课程您可以访问材料以继续学习数据科学。免费统计培训了解如何成功分析您的项目数据。无需浪费数千小时来破译难以理解的统计公式。立即参加免费培训有了清晰的思路前进就更容易了。大胆试试吧现在您已经有了大照片并且我已经减轻了您的压力（或者我希望如此）我建议您专注于学习基本概念（根源）。我提醒你三大支柱。我希望你能很好地理解如何组织数据表及其变量描述性统计的主要概念推论统计的主要概念在我列出我认为对于提高数据分析技能至关重要的概念之前。一个非常简单的前进方法是遵循分析数据培训中的步骤和材料。