很可惜 T 。T 您现在还不是作者身份,不能自主发稿哦~
如有投稿需求,请把文章发送到邮箱tougao@appcpx.com,一经录用会有专人和您联系
咨询如何成为春羽作者请联系:鸟哥笔记小羽毛(ngbjxym)
想象一下:
如果你是一家公司的产品经理,现在老板需要你调研一下用户需求或用户反馈意见,你会怎么做?
线下举办沙龙座谈会?可以,但成本高耗时长
客户群直接提问收集意见?也行,但数据凌乱且样本量小
一般而言,会采用线上调研的方式。线上调研是目前相对较新的研究方法,也是目前应用较多的调研方式。
线上调研主要是利用互联网技术和方法,从网上募集受访者,通过问卷等形式收集用户的观点、看法。
线上调研的优势是成本低、时效性强、覆盖人群广。相较于传统的线下调研,线上调研可以节省一系列费用且不受地域限制,可触达全国范围内用户群体。
但同时线上调研也会存在一定的劣势,比如受访者与目标调研群体不相符,受访者乱填或漏填数据。
这时候我们就需要对收集来的数据进行处理,数据处理的基本目的是从大量的、杂乱无章的、难以使用的数据中抽取并处理成对于某些特定的人们来说是有价值、有意义的数据。
如果不进行数据处理,那么可能导致分析结果与实际情况存在差异,进而影响下一步的决策执行。
那么线上调研的数据该怎么进行处理呢?常用的方法有5种。
异常值是指样本中的个别值,其数值明显偏离它(或他们)所属样本的其余观测值。
异常值检测逻辑是,对变量的数据集(类似于列)按照设置的闻值进行判定,筛选出落在异常值检测范围内的数据,再根据处置方法将原数据替换。
常用的异常值判断标准有自定义识别、MAD异常值识别、IQR异常值识别、3sigma异常值识别。
MAD异常值识别:假定数据服从正态分布,让异常点(outliers)落在两侧的 50% 的面积里,让正常值落在中间的 50% 的区域里
IQR异常值识别:四分位距(IQR)就是上四分位与下四分位的差值。而我们通过IQR的1.5倍为标准,规定:超过(上四分位+1.5倍IQR距离,或者下四分位-1.5倍IQR距离)的点为异常值。
重复值是指样本中出现无效重复的数据,通常可采用个案处理。
个案处理是指检查与剔除无效样本,个案实际就是单个样本,一个样本由有限个变量的数据集组成,个案处理是对众多样本的变量数据集进行校验检测,筛除无效样本(含重复),是对行的标记处理。
顾名思义,样本中出现空缺的数值。
空缺值通常是出现空值、空格、字符串"None",其处理方式主要有众数、中位数、均值等统计量数值填充。
标准化和归一化是两种数据预处理方法,都是将数据转化为某种尺度,使得数据在进行后续分析时能够更加准确。
通常用于解决数据不同量级或者尺度不同的问题。通过一定的数学变换方式,将原始数据按照一定的比例进行转换,使之落入到一个小的特定区间内,例如[0,1]或[-1,1]的区间内,消除不同变量之间性质、量纲、数量级等特征属性的差异,将其转化为一个无量纲的相对数值,也就是标准化数值,使各指标的数值都处于同一个数量级别上,从而便于不同单位或数量级的指标能够进行综合分析和比较。
公式为:(X-min)/ (max-min)
作用:对原始数据的线性变换,使结果落到[0,1]区间。
对原始数据进行线性变换,无论原始数据是正值还是负值,结果都会落到[0,1]区间。并且正负指标均可转化为正向指标,作用方向一致。但是如果有新数据加入,就可能会导致最大值和最小值发生变化,就需要进行重新定义,并重新计算。
公式为:(X-Mean)/ Std
作用:标准化后的变量值围绕0上下波动,大于0说明高于平均水平,小于0说明低于平均水平。
应用场景:适用于当某个指标的最大值和最小值未知时,或者有超出取值范围的离群数值时。
处理后的数据符合均值为0,标准差为1的标准正态分布,围绕0上下波动,大于0说明高于平均水平,小于0说明低于平均水平。
归一化是将数据的值转化为0到1之间的值。
归一化的公式为:X / (x1+x2+...Xn)
作用:对正数进行变换,使结果落到[0,1]区间,其将数值的绝对值变成相对值关系。
归一化应用场景:归一化通常用于解决数据范围不同的问题。可以使用归一化将数据转化为相同范围,从而使得所有特征对模型的训练和预测产生相同的影响。
归一化还可以用于将数据转化为特定范围,以适应某些算法的要求。例如,某些机器学习算法(如神经网络)要求输入数据的值在0到1之间。在这种情况下,可以使用归一化将数据转化为0到1之间的值,以便于使用这些算法。
数据编码是将变量数值再次进行编码,可进一步浓缩或整合原始数据。
样本数量50-100,建议分6-10组;样本数量100-250,建议分7-12组;样本数量250以上,建议分10-20组。
分组太少会掩盖变量变动时频次变化,分组太多增加偶然因素,看不出明显规律。
总的来说,数据清洗是对原始数据进行规范化的处理,属于数据处理的一道工序。从提高数据质量的角度来讲,只要有效提高数据质量的处理过程,都可以认为是数据清洗。
本文为作者独立观点,不代表鸟哥笔记立场,未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问,请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2022 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
1)反对宪法所确定的基本原则;
2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
5)煽动民族仇恨、民族歧视,破坏民族团结;
6)破坏国家宗教政策,宣扬邪教和封建迷信;
7)散布谣言,扰乱社会秩序,破坏社会稳定;
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
12)危害未成年人身心健康的;
13)含有法律、行政法规禁止的其他内容;
2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
1)轻蔑:贬低、轻视他人及其劳动成果;
2)诽谤:捏造、散布虚假事实,损害他人名誉;
3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
6)谩骂:以不文明的语言对他人进行负面评价;
7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
8)威胁:许诺以不良的后果来迫使他人服从自己的意志;
3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
2)单个帐号多次发布包含垃圾广告的内容;
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息,主要表现为:
1)包含自己或他人性经验的细节描述或露骨的感受描述;
2)涉及色情段子、两性笑话的低俗内容;
3)配图、头图中包含庸俗或挑逗性图片的内容;
4)带有性暗示、性挑逗等易使人产生性联想;
5)展现血腥、惊悚、残忍等致人身心不适;
6)炒作绯闻、丑闻、劣迹等;
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息,主要表现为:
1)可能存在事实性错误或者造谣等内容;
2)存在事实夸大、伪造虚假经历等误导他人的内容;
3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。
6. 传播封建迷信,主要表现为:
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
2)求推荐算命看相大师;
3)针对具体风水等问题进行求助或咨询;
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;
7. 文章标题党,主要表现为:
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
2)内容与标题之间存在严重不实或者原意扭曲;
3)使用夸张标题,内容与标题严重不符的。
8.「饭圈」乱象行为,主要表现为:
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序
9. 其他危害行为或内容,主要表现为:
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
2)不当评述自然灾害、重大事故等灾难的;
3)美化、粉饰侵略战争行为的;
4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)