【DataScience學習筆記】Coursera課程《數據科學家的工具箱》 約翰霍普金斯大學——Week3 Conceptual Issues課堂筆記
Coursera課程《數據科學家的工具箱》 約翰霍普金斯大學
Week3 Conceptual Issues
Types of Questions
Types of Data Science Questions
- 描述性分析（Descriptive）
在沒有額外的統計建模的基礎上，這些描述通常沒什麽普遍性。
美國的人口普查就是一個描述性分析的例子。
- 探索性分析（Exploratory）
在該分析類型中，我們試著去觀察數據並發現之前未知的關系，因此這種分析有利於發現新的關聯，同時也有助於確定今後的數據科學項目。
- 推斷分析（Inferential）
推斷分析的目標是在少量觀察的基礎上，根據一小部分數據，將得到的信息進行歸納、外推到更大的群體。
例子：美國的空氣汙染控制對平均壽命的影響。
- 預測分析（Predictive）
預測分析是利用某些對象收集到的數據，去預測下次觀察很可能碰到的另一個對象的值。
有一點需要註意，即使通過x預測到了y，也不能說是x導致了y。
- 因果分析（Causal）
這一分析類型就旨在了解，如果改變了一個變量的值會發生什麽？這會對另一個變量的值造成怎樣的改變？
實施因果分析的權威標準是，利用隨機研究或隨機對照試驗來確認因果關系。
- 機理分析（Mechanistic）
機理分析是要去理解變量的精確變化，和導致了其它變量精確變化的變量的過程。
機理分析最常見的應用範圍，可能是在物理或工程學領域，利用一些比較簡單的模型，就可以描述許多操作。
What is Data?
維基百科的定義
Data are values of qualitative or quantitative variables, belonging to a set of items.
定性變量是諸如原產國、性別或治療方法之類的東西。它們不一定是有序的，也不一定是測量值。
定量變量是諸如身高、體重和血壓等的數據。它們的測量值通常是連續的，在特定範圍裏的是有序的。
What About Big Data?
（基本沒有幹貨……）
Experimental Design
安利一個數據共享網站figshare
Confounding
比如說假如在某項研究中，我們統計了鞋號和識字能力。然後我們試著去發現，鞋號和識字能力之間的相關性。
可能我們確實觀察到了一些相關性，因為穿小號鞋的人可能會認識少一些的字。但是我們可能忽略了一點，年齡才是導致這個相關性的真正原因。因為嬰兒的鞋號非常小，識字能力也很低。再長大一點，需要更大號的鞋子，認識的字也更多，所以年齡才是真正的導致鞋號和識字能力之間相關性的混雜因素。
所以如果我們只統計鞋號和識字能力，然後去發現兩個變量之間的相關性，我們可能就誤入歧途了。這種情況稱作混雜（Confounding）。它關註於研究可能導致相關性的其它變量。
【DataScience學習筆記】Coursera課程《數據科學家的工具箱》 約翰霍普金斯大學——Week3 Conceptual Issues課堂筆記