1

分享

大數據分析從基礎學起


在我們決定公開「大數據分析方法」的學習計畫時,就規劃好最低的要求。推薦先學習:
  1. 算數:四則運算、log、指數、次方等觀念。
  2. 相對次數分配表、分組、組中點等
  3. 高中課本第二冊/「高中數學與程式」粉絲專頁有免費影片學習
  4. 直線方程式
  5. 統計學
有沒有發現前四項都是還沒上大學就學習過的內容呢?第1、2、3和4項同時也是第5項的基礎喔。
大學之前所學的數學都是為了打下學習發展的基礎。從小就開始學習數數字,一個兩個三個....。然後開始知道多一個,加上去的觀念。到拿走扣除的減法,群的乘法觀念到比例的除法觀念。
這些數字的計算方法同樣適用在大數據分析方法上,而且更加的本質性!這也就是人類在發展數字體系時的方法是可以分析龐大的資料量,只是礙於人類對數字的敏感度和承受能力,讓電腦幫忙人類處理這種龐大的資料。經過歸納、整理、分析後,人類再看著分析後的結果進行判斷。如果電腦仿造人類判斷,那就是人工智慧。
如果你看到人工智慧是用手機遠端定時或在離家m公里遠,幫你開啟空調系統,幫你解凍今天食材。到家前1分鐘幫你開燈,讓你有家的感覺。你可以想像幾歲學會開關電燈💡?幾歲會開關空調(冷氣機)?幾歲會從冰箱拿東西出來吃?
大數據分析 大數據 人工智慧 基礎 bigdataanalysis

實在找不到底圖出處僅以微博來源表示:https://m.weibo.cn/search?containerid=231522type%3D1%26q%3D%23毓朗文锦%23

讓我回到大數據分析的基礎上。你會1+1嗎?是的,你心中的答案有沒有跟我一樣,是「2」呢?這不是腦筋急轉彎的問題,而是確切且真實的數字觀念:累加!(1+1)+1=2+1=3。這可以讓你知道數字的累加性,並且累積的「量」固定是1。
另外,想了解因果關係或前後關係?或者說想解答A對B的影響嗎?也可能是B對A的影響!那麼你得在累加的觀念下,再去探討影響或關係情況。這時你得要有3、4、5的觀念。
還有,機率和機率分配可不只是統計學教科書說的那些,還有更多因為環境現象、因為科技發展而生機率分配。你可以到維基百科的英文網站上查詢,觀看詳細的內容。需要特別關注的就是分配之間的關係。想了解更多機率分配特性,維基百科也幫不了你!你需要的是機率分配模擬器。
我看過一些書籍在講投資風險管理時,總是需要模擬!我不敢說模擬沒有進步,畢竟是多年前看到的教科書了。書上的模擬軟體得自己下載,並且是試用版。裡頭的模擬有常態分配、log型的常態分配、指數分配、二項式分配、波松分配。然後用教科書上的數字例去做模擬!
如果直接對實際數字找出機率分配,使用迴歸分析,剩餘的部份就是殘差,再用殘差找出對應到分配。這殘差分配是否能代表風險的分配呢?
當然運用上迴歸分析也有些問題存在,可參考「迴歸分析不得不說的二三事(上篇)」。直線方程式就是如此!這是基本觀念。除了直線,還有拋物線、log線、指數、圓、橢圓、三角函數等,這些就會在非直線的情況出現。
大部份都在大學之前會學習到。所以高中生或高職生們要好好學習數學。符號看得頭疼,那就代數字進去看。用數字幫助你了解也是種方法。
想學習大數據分析方法的朋友們以上是推薦學習前要具備的觀念和知識。如果你有學過微積分和線性代數,那會是更好學習大數據分析方法的基礎。
#數學 #模擬 #建模 #迴歸分析 #機率分配 #統計學 #統計分析 #資料科學 #資料分析 #數據分析
覺得內容不錯或有用,請給我個❤️,謝謝。
#大數據分析  #大數據  #人工智慧  #基礎  #bigdataanalysis 
分類:科技

🟠掃除觀念的雷點🟠算學的運用🟠建模技術🟠大數據分析方法🟠人工智慧分析方法

評論
上一篇
  • 迴歸分析不能不說的二三事 (上篇)
  • 下一篇
  • Clubhouse我看到了什麼🤔
  • 更多文章
    載入中... 沒有更多了