数据获取渠道：
-
kaggle
-
github的仓库
-
谷歌高级搜索：搜索带后缀如csv格式
-
自取：
- rest api收集，python爬虫自取数据
-
相关links：
数据分析步骤：
- 提出问题：
- 数据Wrangle：获取数据，清洗数据
- 数据探索：建立直觉，寻找模式
- 数据结论：得出结论，或作出预测
- 数据交流：数据可视化
通常可视化比数字直观
误区：
- 噪声太多可能掩盖了真实的关系
-
看起来相关不一定是因果，比如：美国研发经费和自杀人数
美国研发经费和自杀人数
用A/B测试能看出是否是因果关系
经验之谈：
- 多特征的考虑得用机器学习方法
- 空的数据也可以用mean来填充
PCA可以降维，scikit-learn轻松实现 - 替换同义词的行，归一这些实际相同的
关于我：
linxinzhe，全栈工程师，目前供职于某500强通信企业。人工智能，区块链爱好者。
欢迎留言讨论，也欢迎关注我~
我也会关注你的哦！