發(fā)簡信
IP屬地：山西
-
（24）聚類分析--二階聚類
可以同時設置分類變量和連續(xù)變量，可以參與聚類的變量更多。 【輸出】 勾選“透視表”：對數據做概述 勾選“創(chuàng)建聚類成員變量”：生成新的分類變量 二...
-
（23）聚類分析--系統(tǒng)聚類
此處不需要“個案標注依據” 【統(tǒng)計】 主要關注“聚類成員”模塊，此處可以選擇設置類別數為一個范圍，也可以支持設置具體的單個分類數量。 這個選項對...
-
（22）聚類分析--快速聚類（K均值聚類）
第一步：確定需要參加聚類分析的變量 溝通能力得分、業(yè)務能力得分、領導能力得分 第二步：對數據進行標準化處理 本數據表中數據不需要進行處理，單位一...
-
（21）聚類分析基礎知識
所謂聚類分析，就是按照個體的特征將他們分類，并且在于讓同一個類別內的個體之間具有較高的相似度，讓不同類別之間具有較大的差異性。這樣，研究人員就能...
-
（20）RFM分析
一）RFM基礎知識 所謂探索性分析，主要是運用一些分析方法從大量的數據中發(fā)現未知且具有價值信息的過程。 常用的探索性分析方法包括：RFM分析、聚...
-
（19）時間序列分析
一）時間序列分析簡介 二）季節(jié)分解法 三）專家建模法 一、時間序列分析簡介 時間序列就是按時間順序排列的一組數據序列。 時間序列分析就是發(fā)現這組...
-
（18）Logistics回歸
如果不存在線性關系時，我們可以通過對數變換。 對數變換的目的就是將非線性問題轉換為線性問題，這樣就能夠用線性回歸相關理論和方法來解決非線性的問題...
-
（17）自動線性建模
自動線性建模特點： 1）連續(xù)變量和分類變量都可以作為自變量進行線性自動建模。 2）能自動尋找對因變量重要性最大的自變量，舍棄重要性很小或不重要的...
-
（16）多重線性回歸分析
一、多重線性回歸分析簡介 簡單線性回歸分析：自變量X =1 個 多重線性回歸分析：自變量X >=2 個 多元線性回歸分析：因變量Y >=2 個 ...