2. План лекции
● Основные понятия анализа данных
● Основные подходы анализа данных
● Основные инструменты анализа данных
Цель лекции — получить представление о
процессе анализа данных и применяемых
методиках
2
3. Основы Анализа данных
● Теория вероятности и математическая
статистика
● Математический анализ
● Вычислительная математика
● Для тех, кто забыл — khanacademy.org
3
4. Основные понятия
● Атрибут
– Зависимая переменная
– Независимая переменная
● Объект
● Значение атрибута у объекта
● Измерение
4
6. Процесс анализа данных
● Постановка задачи
● Сбор данных
● Выдвижение гипотез
● Очистка данных
● Выбор алгоритма анализа
● «Обучение» (Machine Learning)
● Оценка результата
● Применение построенного в результате
обучения
6
7. Постановка задачи
● Следует сформулировать, что мы хотим
изучить, какие возможные закономерности
выявить
● Предварительные «гипотезы»
7
8. Сбор данных
● Из реальности
● При помощи программных инструментов
● Или опросов
● Или наблюдений
8
9. Выдвижение гипотез
● Основываясь на собранных данных
● Их визуализации
● Их структуре
9
10. Очистка данных
● Удаление избыточных
● Проверка независимости
● Корреляционный и факторный анализ
10
11. Выбор алгоритма анализа
● На основании данных
● Исходя из задачи
● Можно несколько, комбинируя (чаще
последовательно)
11
12. Обучение
● Алгоритм анализа часто сам данные не
анализирует
● Он строит анализатор данных
● Который основан на конкретных данных
● И который как раз доказывает или
опровергает гипотезу
12
13. Оценка результата
● Полученный набор правил следует
проверить
● Хотя бы визуализацией
● При помощи данных, опять же
● Иногда — на тех же, по которым строили
● Чаще — на независимых (отобранных
заранее и не участвовавших в построении)
● Различными методами
● Если качество результата не устраивает — 13
то меняем что-то и заново
14. Применение построенного
анализатора
● Его объяснение
● Его визуализация
● Его интерпретация
● Его использование в реальности
14
16. Средства анализа данных
● Статистические/математические пакеты
● Среды анализа данных
● Библиотеки анализа данных
● Пакеты анализа данных
● Средства добычи данных
● Средства очистки данных
● Средства хранения данных
● Средства визуализации данных
16