發(fā)簡(jiǎn)信
IP屬地：廣西
-
（24）聚類分析--二階聚類
可以同時(shí)設(shè)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(duì)數(shù)據(jù)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(gè)案標(biāo)注依據(jù)” 【統(tǒng)計(jì)】 主要關(guān)注“聚類成員”模塊，此處可以選擇設(shè)置類別數(shù)為一個(gè)范圍，也可以支持設(shè)置具體的單個(gè)分類數(shù)量。 這個(gè)選項(xiàng)對(duì)...
-
（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(wù)能力得分、領(lǐng)導(dǎo)能力得分 第二步：對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理 本數(shù)據(jù)表中數(shù)據(jù)不需要進(jìn)行處理，單位一...
-
（21）聚類分析基礎(chǔ)知識(shí)
所謂聚類分析，就是按照個(gè)體的特征將他們分類，并且在于讓同一個(gè)類別內(nèi)的個(gè)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(chǔ)知識(shí) 所謂探索性分析，主要是運(yùn)用一些分析方法從大量的數(shù)據(jù)中發(fā)現(xiàn)未知且具有價(jià)值信息的過(guò)程。 常用的探索性分析方法包括：RFM分析、聚...
-
（19）時(shí)間序列分析
一）時(shí)間序列分析簡(jiǎn)介 二）季節(jié)分解法 三）專家建模法 一、時(shí)間序列分析簡(jiǎn)介 時(shí)間序列就是按時(shí)間順序排列的一組數(shù)據(jù)序列。 時(shí)間序列分析就是發(fā)現(xiàn)這組...
-
（18）Logistics回歸
如果不存在線性關(guān)系時(shí)，我們可以通過(guò)對(duì)數(shù)變換。 對(duì)數(shù)變換的目的就是將非線性問(wèn)題轉(zhuǎn)換為線性問(wèn)題，這樣就能夠用線性回歸相關(guān)理論和方法來(lái)解決非線性的問(wèn)題...
-
（17）自動(dòng)線性建模
自動(dòng)線性建模特點(diǎn)： 1）連續(xù)變量和分類變量都可以作為自變量進(jìn)行線性自動(dòng)建模。 2）能自動(dòng)尋找對(duì)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(jiǎn)介 簡(jiǎn)單線性回歸分析：自變量X =1 個(gè) 多重線性回歸分析：自變量X >=2 個(gè) 多元線性回歸分析：因變量Y >=2 個(gè) ...