低代码数据分析平台

数据分析

数据分析帮助你在数据处理的基础上分析你的数据。数据分析提供各种算法和模型，用于经济学、医学、社会科学和机器学习等。

本章将告诉你如何用LCDA进行数据分析，以及我们提供的所有算法的相关信息。

  1. 点击上方导航栏中的 Data Analysis 进入数据分析页面。

  2. 登录后，点击右上角的 NEW ANALYSIS ，这里我们选择数据集，点击 START ANALYSING 开始对数据进行分析。 data_analysisstart_analysing

  3. 项目页面首先会展示该项目的分析结果 Analysis results 和算法选择区域 Choose algorithm 。

    project_view

    在算法选择区域，数据分析算法和模型被分为几个大类。这里我们将对鸢尾花数据集应用 KNN分类算法，因此我们点击 ML Classification ，在展开项中选择 K-Nearest Neighbors 。右侧将会显示算法的介绍，可选参数及相应描述。 knn 配置好参数后，在页面末尾的右下角点击 SUBMIT 提交算法和参数。

  4. 提交算法后，在左侧的分析结果 Analysis results 中能够看到刚刚运行的算法的分析报告。点击报告，即可在右侧查看。 result_view

  5. 报告右上角的 Print 按钮提供了报告的全屏视图和下载。

描述性分析

正态性分析

正态性检验用于检验数据是否满足正态分布，一些算法需要数据满足正态分布（如单样本 t 检验，独立样本 t 检验等）。

输入和输出

  • 输入：一个或多个定量变量（如 30 名员工这个月的工资）。
  • 输出：模型检验的结果，数据满足/不满足正态分布。

案例操作

normality_test

综合评价

CRITIC权重法

CRITIC权重法是一种客观赋权法。其思想在于用两项指标，分别是对比强度和冲突性指标。对比强度使用标准差进行表示，如果数据标准差越大说明波动越大，权重会越高；冲突性使用相关系数进行表示，如果指标之间的相关系数值越大，说明冲突性越小，那么其权重也就越低。对于多指标多对象的综合评价问题，CRITIC法去消除一些相关性较强的指标的影响，减少指标之间信息上的重叠，更有利于得到可信的评价结果。

输入和输出

-输入：至少两项或以上的定量变量（可以做正、负向处理，但是不要做标准化）。

-输出：输入定量变量对应的权重值。

案例操作

decision_matrix

问卷分析

信度分析

信度分析主要用来考察问卷中量表所测结果的稳定性以及一致性，即用于检验问卷中量表样本是否可靠可信。量表题型就是问题的选项，是分陈述等级进行设置的。比如我们对手机的喜爱从非常喜欢到不喜欢这个程度的变化。在量表里面最出名的就是李克特 5 级量表，在这种量表的选项里面主要是分为'非常同意'、'同意'、'不一定'、'不同意'、'非常不同意'五种回答，分别记为 5、4、3、2、1。

输入和输出

  • 输入：至少两项或以上的定量变量或有序的定类变量，一般要求数据为量表数据。
  • 输出：收集问卷量表的信度是否可靠。

案例操作

realiability_test

计量经济模型

单位根检验（ADF）

在使用很多时间序列模型的时候，如 ARMA、ARIMA，都会要求时间序列是平稳的，所以一般在研究一段时间序列的时候，第一步都需要进行平稳性检验，除了用肉眼检测的方法，另外比较常用的严格的统计检验方法就是 ADF 检验，也叫做单位根检验。单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。

输入和输出

  • 输入：１个时间序列数据定量变量
  • 输出：序列数据在几阶差分时达到平稳

案例操作

ADF_test

医学统计模型

Bland-Altman法

Bland-Altman 法是一种可视化进行一致性检验的方法。其原理是一种用 2 种方法结果的差值、均值及 95%一致性(LoA)绘制图形直观的方法，从而得出 2 种方法结果是否具有一致性。

输入和输出

  • 输入：代表两种方法的两个定量变量。
  • 输出：Bland-Altman 图以及方法是否具有一致性。

案例操作

Bland_Altman

机器学习分类

K近邻

K近邻(KNN)分类器是有监督学习中普遍使用的分类器之一，将观察值的分类判定为离它最近的k个观察值中所占比例最大的分类。

输入和输出

  • 输入：自变量 X 为 1 个或 1 个以上的定类或定量变量，因变量 Y 为一个定类变量。
  • 输出：模型的分类结果和模型分类的评价效果。

案例操作

k_nn

SVM

支持向量机（SVM）是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。

输入和输出

  • 输入：自变量 X 为 1 个或 1 个以上的定类或定量变量，因变量 Y 为一个定类变量。
  • 输出：模型的分类结果和模型分类的评价效果。

案例操作

svm

决策树

决策树是一个类似流程图的结构，其中每个内部节点代表对一个属性的判定，每个分支代表判定的结果，每个叶子节点代表一个类别标签（在计算所有属性后做出的决定）

输入和输出

  • 输入： 自变量 X 为 1 个或 1 个以上的定类或定量变量，因变量 Y 为一个定类变量。
  • 输出：模型的分类结果和模型分类的评价效果。

参数选项

  • 数据洗牌： 是否对数据进行随机洗牌
  • 训练比例： 训练数据与整个数据集的比例
  • 交叉验证： 从原始样本中随机划分出的大小相等的子样本的数量。每个子样本将被保留作为测试模型的验证数据，而其余的子样本将被用作训练数据。
  • 准则： 衡量分割质量的函数。支持的标准有：
    • gini：用于衡量gini不纯度
    • 信息熵：用于衡量Shannon信息增长。
  • 分割器： 用于在每个节点选择分割的策略。支持的策略有
    • 最佳：选择最佳分割
    • 随机：选择最佳随机分割
  • Min Samples Split： 拆分一个内部节点所需的最小样本数：
    • 如果是int，那么考虑min_samples_split作为最小数量。
    • 如果是float，那么min_samples_split是一个分数，ceil(min_samples_split * n_samples)是每个分裂的最小样本数。
  • Min Samples Leaf： 在一个叶子节点上所需的最小样本数。任何深度的分割点只有在左右两个分支中至少留下min_samples_leaf训练样本时才会被考虑。这可能有平滑模型的效果，特别是在回归中。
    • 如果是int，那么考虑min_samples_leaf作为最小数量。
    • 如果是float，那么min_samples_leaf是一个分数，ceil(min_samples_leaf * n_samples)是每个节点的最小样本数。...... 版本变更：： 0.18 增加了分数的浮点值。
  • 最大深度： 决策树的最大深度。如果没有，那么节点会被展开，直到所有的叶子都是纯的，或者直到所有的叶子都包含小于min_samples_split的样本。
  • 最大叶子结点： 用max_leaf_nodes以最佳优先方式生长一棵树。最佳节点被定义为相对减少的不纯度。如果没有，则叶子节点的数量不限。

例子

decision_tree

Last Updated:
Contributors: J LJQ