对于不平衡数据集，一般的分类算法都倾向于将样本划分到多数类，体现在模型整体的准确率很高。

产品数据是产品经理量化产品的重要方面，数据的客观性，让数据变成了发掘问题本质，寻找事物规律所需要用到的最有利的手段之一，但在与数据打交道的过程中，我们可能经常会犯一些错误，导致分析的结论出现较大的偏颇，本文罗列数据分析过程中5个常见误区。

本文从农村中学并迁选址问题出发，介绍了数据挖掘十大算法中位居第二的K-平均聚类，后又借用牛顿迭代原理，议论蛋鸡悖论。

就近几年的科技发展水平来看，中国已逐步向科技大国迈进，这在提升中国在全球的科研影响力之余，也在一定程度上改变了全球科学人才流动背后的格局。

随着大数据概念的火热，数据科学家这一职位应时而出，那么成为数据科学家要满足什么条件?或许我们可以从国外的数据科学家面试问题中得到一些参考，下面是中国统计网翻译的数据科学家面试常见的77个问题。

“预测”就是根据已知的输入和输出进行学习，并依照给定的新输入给出我们自己的判断。

在雇佣数据科学家最多的十大行业中，有六个行业的研究型数据科学家数量超过了其他类型的数据科学家。

如前所述，用户细分包括前后两部分，即前一部分因子分析完成后，还要对获得的公共因子进行随后的聚类分析。 聚类分析按照相似度进行划分类别，相似度一般由数据对象间的距离远近来衡量。基于确定的业务需求和分析目标，可以从用户基本属性、用户使用行为两个方面选择变量，随后便要进一步明确样本数据的形式。 样本数据中性别、年龄及收入是离散变量，而使用频度和价值贡献是连续变量，…

20世纪90年代后期，IBM深蓝（Deep Blue）研究了一系列的国际象棋算法，期望于打败当时的世界冠军加里•卡斯帕罗夫（Garry Kasparov）。

近来由于数据记录和属性规模的急剧增长，大数据处理平台和并行数据分析算法也随之出现。于此同时，这也推动了数据降维处理的应用。实际上，数据量有时过犹不及。有时在数据分析应用中大量的数据反而会产生更坏的性能。 最新的一个例子是采用 2009 KDD Challenge 大数据集来预测客户流失量。 该数据集维度达到 15000 维。 大多数数据挖掘算法都直接对数据逐…

主成分分析是一种经典的降维方法，但如果你只把主成分分析作为一种降维手段，那么你就太OUT了。

这篇文章是一个投资者对数据分析在过去25年的回顾。作者西蒙迪斯从投资者的角度讨论了数据分析的变革，认知应用的价值，以及最受风投关注的大数据核心领域。

这是一次数学家独创的完美约会经验贴

大部分数据都是模拟趋势数据，要获得一个产品的绝对历史下载量是一件很难的事情，你要知道每个App都是分版本向App store或者安卓应用商店提交的，所以理论上我们需要看的是这个版本的下载量和活跃度。

聚类作为一种数据挖掘工具，在生物学，商务智能以及Web搜索等方面有着广泛的应用。

谨以此文，献给在路上的年轻朋友们!

数据科学就业市场正在迅速变化。能够建立机器学习模型曾经是只有少数杰出科学家才具备的一项精英技能。

在了解了什么是数据分析师、数据分析师的基本素质，那么接下来需要学习什么，有什么好的学习资料呢？

机器学习中存在各种不同的分类模型，如逻辑回归、决策树、朴素贝叶斯和支持向量机等。评估不同分类模型性能的方法是相通的。

准度提高没有那么快，在准度相对固定的情况下，要赢得比赛，需要怎么样的策略？