維度是描述對象的參數(shù),在具體分析中,我們可以把它認為是分析事物的角度。銷量是一種角度、活躍率是一種角度,時間也是一種角度,所以它們都能算維度。
2018-08-16 閱讀全文>>既然指標太多太復雜不好,那么應該如何正確的選擇指標呢?
2018-08-16 閱讀全文>>第三個壞指標是復雜性指標,它將數(shù)據(jù)分析陷于一堆指標造成的陷阱中
2018-08-16 閱讀全文>>比如我有一個流失用戶的定義:三個月沒有打開APP就算做流失。那么運營每天統(tǒng)計的流失用戶數(shù),都是很久沒有打開過的,以時效性看,已經(jīng)發(fā)生很久了,也很難通過措施挽回。我知道曾經(jīng)因為某個不好的運營手段傷害了用戶,可是還有用嗎?
2018-08-16 閱讀全文>>核心驅(qū)動指標和公司發(fā)展關聯(lián),是公司在一個階段內(nèi)的重點方向
2018-08-16 閱讀全文>>不是所有的指標都是好的。這是初出茅廬者常犯的錯誤。我們繼續(xù)回到老王的水果鋪子,來思考一下“銷量”這個指標究竟是不是好的?
2018-08-16 閱讀全文>>了解和使用指標是數(shù)據(jù)分析思維的第一步,接下來你需要建立指標體系
2018-08-16 閱讀全文>>在我們談論指標之前,先將時間倒推幾十年,現(xiàn)代管理學之父彼得·德魯克說過一句很經(jīng)典的話:如果你不能衡量它,那么你就不能有效增長它。
2018-08-16 閱讀全文>>曾經(jīng)有人問過我,什么是數(shù)據(jù)分析思維?如果分析思維是一種結構化的體現(xiàn),那么數(shù)據(jù)分析思維在它的基礎上再加一個準則:不是我覺得,而是數(shù)據(jù)證明。
2018-08-16 閱讀全文>>真實結果的偏離程度,即刻畫了學習算法本身的擬合能力;方差(2 38)度量了同樣大小的訓練集的變動所導致的學習性能的變化,即刻畫了數(shù)據(jù)擾動所造成的影響;
2018-08-16 閱讀全文>>對學習算法除了通過實驗估計其泛化性能,人們往往還希望了解它“為什么”具有這樣的性能
2018-08-16 閱讀全文>>交叉驗證t檢驗和McNemar檢驗都是在一個數(shù)據(jù)集上比較兩個算法的性能
2018-08-16 閱讀全文>>對兩個學習器A和B,若我們使用尼折交叉驗證法得到的測試錯誤率分別為e
2018-08-16 閱讀全文>>假設檢驗中的“假設”是對學習器泛化錯誤率分布的某種判斷或猜想
2018-08-16 閱讀全文>>統(tǒng)計假設檢驗(hypothesis test)為我們進行學習器性能比較提供了重要依據(jù),基于假設檢驗結果我們可推斷出,若在測試集上觀察到學習器A比B好,則A的泛化性能是否在統(tǒng)計意義上優(yōu)于B,以及這個結論的把握有多大
2018-08-16 閱讀全文>>29697條 上一頁 1.. 1541 1542 1543 1544 1545 ..1980 下一頁