1. 选择数据图类型 1.1. 数据图借助了我们发现数据关系的能力 1.2. 数据图将数据分块并凸显重要的对照关系，从而将数据关系可视化 1.3. 确定底层关系是选择适当数据...
发简信
IP属地：山西
1. 选择数据图类型 1.1. 数据图借助了我们发现数据关系的能力 1.2. 数据图将数据分块并凸显重要的对照关系，从而将数据关系可视化 1.3. 确定底层关系是选择适当数据...
1. 挑战 1.1. 多元认知的挑战 1.1.1. 注意力集中在第一个出现的念头上1.1.1.1. 这个观察自身思维的过程叫作元认知1.1.1.2. 它是学习掌握解码过程的一...
1. 管理 1.1. 整理是软件设计的一部分，它涉及你、你与代码的关系，以及你与自己的关系 1.2. 即使在重构变得可行的今天，编程环境仍然缺乏重构的自动化支持 1.3. 单...
1. 整理优先 1.1. 耦合和内聚只是度量计算机代码复杂度的标准，这不是从执行程序的计算机的角度来看的，而是从试图理解代码的人类的角度来看的 1.2. 软件设计是一种人际关...
1. 总结 1.1. 不能简明地解释一件事，说明你对它理解得不够 1.1.1. 爱因斯坦 1.2. 对数据科学实践最好的描述是分析工程和探索的结合 1.3. 商业中会存在我们...
1. 经营战略 1.1. 仅仅拥有数据，并不能保证数据驱动决策的成功 1.2. 企业管理层必须具有数据分析思维 1.2.1. 并不意味着管理层必须是数据科学家，但要求他们必须...
1. 面向分析工程 1.1. 数据科学的本质是根据原则性技术，提取数据中的信息或知识 1.2. 很难把技术与重要的商业问题完全匹配，也很难得到能直接应用于技术的数据 1.2....
1. 证据和概率 1.1. 对实例的了解视作支持或反对不同目标变量值的证据 1.2. 对实例的了解则可以表示为实例的特征 1.3. 如果你知道每个特征所提供的证据的强度，那么...
1. 概述 1.1. 为了让数据科学给实际应用增加价值，数据科学家和其他利益相关者必须仔细地考虑他们究竟希望通过挖掘数据实现什么 1.1.1. 将数据挖掘的结果与他们的实际目...
1. 概述 1.1. 相似性是许多数据科学方法和商业问题解决方案的基础 1.1.1. 共通之处 1.1.2. 很多数据挖掘过程通常基于相似性或寻找“合适”的相似性来对个体进行...
1. 概述 1.1. 数据科学中最重要的基本概念之二就是过拟合和泛化能力 1.2. 数据挖掘包含模型复杂度和过拟合概率之间的基本权衡 1.3. 如果数据所表现的现象本身就很复...
1. 拟合数据 1.1. 预测建模就是根据其他描述性属性找出目标变量的模型的过程 1.2. 从数据集中提取预测模型的方法，是先确定模型的结构，而使模型的数值型参数待定 1.2...
1. 预测建模 1.1. 把预测建模视为有监督的数据划分，也就是根据某个值得关注的量，将整个总体划分为不同的群组 1.1.1. 根据某个希望预测或估计的值对总体进行分组 1....
1. 数据挖掘流程 1.1. 数据挖掘是一门手艺 1.1.1. 涉及大量科学与技术的应用，而如何恰当地应用这些科学与技术也是一门艺术 1.2. 数据挖掘也有一套易于理解的流程...
1. 回头看 日更坚持了912天。 读《红蓝攻防：技术与策略》更新完成 读《商战数据挖掘：你需要了解的数据科学与分析思维》开更并持续更新 2023年至2025年06月底累计码...
1. 基本信息 红蓝攻防：技术与策略 Cybersecurity—Attack and Defense Strategies, Third Edition 埃达尔·奥兹卡 （...
1. 数据挖掘 1.1. 数据挖掘的流程可以分解为几个通俗易懂的环节 1.1.1. 有些环节涉及信息技术的应用，如数据中模式的自动发现和评估 1.1.2. 有些则主要依赖数据...
1. 数据分析式思维 1.1. 在过去的十五年中，各企业在商业基础设施上大量投入，因此具备了更好的数据收集能力 1.2. 几乎每个商业环节都可以收集数据 1.2.1. 运营管...
1. 日志分析 1.1. 要调查安全问题，通常需要查看来自不同供应商和不同设备的多种日志 1.2. 一旦了解了如何读取日志，在多个供应商产品的日志之间切换就会变得更容 1.3...
1. 资产盘点工具 1.1. 资产盘点工具旨在记录一个组织所拥有的计算机资产，以便在进行更新时跟踪 1.2. Peregrine工具 1.2.1. 该工具允许组织存储有关其软...