数据分析十五个方法

提供对数据的总结和见解，包括：
中心趋势（平均值、中位数、众数）
离散度（方差、标准差）
形态（直方图、盒状图）
2. 推断性分析
从样本数据推断总体特征，包括：
假设检验（z 检验、t 检验、卡方检验）
置信区间估计
3. 回归分析
探索自变量和因变量之间的关系，包括：
线性回归（简单回归、多元回归）
非线性回归（多项式回归、指数回归）
4. 分类算法
将数据点分配到预定义的类别中，包括：
逻辑回归
决策树
支持向量机
5. 聚类算法
根据相似性将数据点分组，包括：
k 均值聚类
层次聚类
6. 因子分析
识别数据集中的潜在维度或模式，包括：
主成分分析（PCA）
奇异值分解（SVD）
7. 时间序列分析
分析随时间变化的数据，包括：
自回归滑动平均模型（ARMA）
自回归综合滑动平均模型（ARIMA）
8. 文本分析
从文本数据中提取见解，包括：
自然语言处理（NLP）
文本挖掘
9. 图表分析
通过可视化表示呈现数据，包括：
散点图
直方图
热力图
10. 关联规则挖掘
从交易数据中识别关联的项目集，包括：
Apriori 算法
11. 预测建模
使用历史数据预测未来事件，包括：
时间序列预测
回归模型
12. 异常值检测
识别数据集中的异常数据点，包括：
距离度量
离群值分析
13. 主成分回归
通过使用主成分分析的特征来进行回归，减少预测模型中的共线性影响。
14. 交叉验证
验证模型性能和防止过拟合的统计技术，包括：
K 折交叉验证
15. 数据可视化
通过图表、图形和地图等视觉表示来呈现数据，以帮助理解和解释结果。