数据分析背后的思维过程

Question

我正在寻找书籍/教程，帮助您获得对数据分析背后的思想过程的洞察。

我读过的大部分书都是文档--作者向您展示了他应用该函数的一个函数和一些数据。它们还展示了如何使用图表和直方图/盒图等。他们经过像numpy这样的流行图书馆，熊猫，以及如何使用它们。

我感兴趣的是，“泰坦尼克号”上的Kaggle如何从(例如)Kaggle的内核中获得他们的想法，以及如何应用于数据集。这些人知道哪些列是彼此之间的函数，什么时候绘制直方图，什么时候绘制密度函数等等。

我对机器学习有一定的经验。很明显，哪种算法可以应用于何种情况。数据探索似乎是一项非常模棱两可的工作，有许多解决方案/想法。

另一种说法是:从哪里可以得到数据探测的想法？

Answer 1

我想更多的是“什么是最能提供信息的(而且容易阅读)的方式来可视化一个特定的问题？”考虑到一个特定的问题，您可以使用它们的示例来探索库的图库，例如海航。您还可以探索另一个内核，以了解人们是如何将其可视化的。对于某些问题，有相当琐碎的解决方案。其他问题可以用很多不同的方式可视化，但重要的是你的情节有多么可读性和信息量。

在泰坦尼克号的情况下，想象三个你想要想象的问题。

1. 如果存活率在某种程度上取决于年龄和/或性别呢？对于这一点，您可能需要选择一个密度或直方图，在图上有两个曲线:生存和非生存。也许你想把情节分成两个情节，分别是女性和男性。

1. 如果存活率取决于Pclass呢？或者也有可能也被玷污了？也许性也是一个重要的角色？，我是一个要素情节的球迷，因为你可以引入很多信息到它，这是完全可以理解的，从第一眼。所以，你看，第一和第二班比第三级有更高的存活率。(下一个问题是:对于每一次上船，pclass的相对比例是多少？什么是更好的可视化？)

1. 如果存活率取决于pclass和年龄呢？此外，您还可以看到每个阶层的年龄分布。小提琴的情节可能是好的。

Answer 2

这取决于你目前在数据分析过程中的能力和复杂程度，以及你对数学和统计的理解程度。

但是如果你已经通过和理解微积分和初等线性代数，或者是高等学院的中级统计学(不一定是你学过学分的实际课程，仅仅相当于材料、时间和精力的严格性)，即统计分析和建模，使用多元回归和类似的东西，或者你已经通过了机器学习领域的同等水平，然后交出我所见过的最好的这类书是一本手册，我相信它有7到8个版本，我相信它被称为“经济计量学指南”。

在我看来，每个技术领域都应该有这样的书籍，它充满了洞察力、经验法则、行业工具和通用语言解释，而不需要证明如何进行分析，以及在实践中通常会发生什么，而不是在教科书中！

除了那本书之外，我还建议你看看纳西姆·塔勒布关于风险、概率、现实世界中的决策、应用转移以及其他方面的任何一本流行书籍。他们的头衔是：

• 被随机性愚弄
• 黑天鹅
• 反易碎
• 游戏中的皮肤