统计分析实战 -- 基于R

--1 chapter--

统计分析简介

1. 统计分析是帮助我们对数据进行描述，建模及得出结论的有效技术手段。

2. 统计分析的具体步骤：
   1.了解业务问题；2.收集和清洗数据；3.数据描述及探索性分析；4.模型构建和解读；5.得出结论及建议。

3. 简单的数据清洗和预处理：
   针对原始数据问题-存在缺失值、重复值、异常值、错误值进行处理。处理手段比如利用平均值代替缺失值，或者删除。

4. 数据描述及探索性数据分析：
   常用的图表类型：直方图、柱状图、箱线图、散点图、折线图、饼图。直方图可用于描述数据的分布信息。

5. 模型构建：
   根据是否存在因变量，将建模方法分为无监督学习和有监督学习，典型的无监督学习-聚类分析；有监督学习-线性回归、逻辑回归等。模型优劣一般从2个层面进行解读，一是其预测精度，本质是判断模型给出的预测值和真实值之间的差距，常用指标有均分误差，绝对误差，相对误差等；二是稳健的解读能力。

--2 chapter--

数据管理和预处理

1. 基本的数据类型：
   数值型、字符型、逻辑型、因子型、时间型。

数值型：

a=2;class(a) #class查看数据类型
#a是数值型

R中存在的特殊数值型，正无穷->Inf;负无穷->-Inf；NaN（非数值）。

字符型：
一般用单引号''或者双引号""括起来。

a = 'abc'
class(a) #a是字符型

逻辑型：
逻辑型数据取值为TURE和FALSE，一般在if条件语句和逻辑判断语句中用到。

(1 == 2) + (3 < 4) #逻辑语句加减
data = iris
data$Petal.Width[data$Species == 'setosa'] #iris数据集中选择品种是setosa的宽度数据

常见的判断语句->且'&' 或'|' 等'==' 大于'>' 小于'<'等。
因子型：