一、數據分析零基礎學習嗎？

1、數據分析要學多久？

每個人的學習能力和基礎都不同，所以數據分析的學習周期也不同。而且也要結合自身的發展方向來選擇學習的內容，因此學習時間會有很大的差別。一般來講，零基礎的學習者進行系統的培訓，最快也要將近三個月。這里給大家推薦一下博學谷的《所有人都能學的數據分析課》 ，專注于培養數據分析師的數據處理能力、數據分析能力和數據挖掘能力，課程內容從數據庫管理、統計理論方法、數據分析主流軟件的應用到數據挖掘算法等，對一整套數據分析流程技術進行系統講解，學完之后，學習者可以直接達到中級數據分析師的水平。

2、數據分析要學什么？

（1）統計學

統計學是數據分析的基礎，是必須零基礎初學者必須掌握的重要內容。學習最基本的統計學知識可以解決日常大部分的分析需求，所以強烈推薦零基礎學習者先從統計學開始入手。統計學設計概率、分布、抽樣、線性回歸、時間序列、統計推斷等內容。

（2）SQL

SQL是零基礎學習數據分析的核心內容之一，當你要分析的數據超過百萬級別的時候，這時候需要數據庫來解決，而從數據庫中獲取數據要依靠SQL語言。可以把MySQL作為學習對象，簡單了解一些數據庫范式設計等基本的數據庫原理，重點學習SQL語言。可以自己安裝一個MySQL數據庫實踐操作練習。

（3）Excel

說起Excel可能會有人覺得這個很簡單，但是Excel確實是一個功能強大的利器。作為數據分析師的核心工具，具體學習內容有Excel函數技巧（查找函數、統計函數、邏輯函數）、Excel快速處理技巧（格式調整、查找定位、快捷鍵技巧等）和Excel可視化技巧（組合圖、條形圖、數據氣泡地圖）。

（4）數據挖掘、機器學習

這部分可以選擇性學習。因為統計分析基本可以解決日常數據分析工作的70%-80%的需求，而且數據挖掘和機器學習的難度較大，門檻略高。這部分主要是了解數據挖掘和機器學習的基本概念和理論。比如：分類、聚類、回歸、決策樹、貝葉斯定理等。

（5）Python

因為Python有很多的第三方強大的庫，因此Python是數據分析的利器，也是數據分析必學的編程語言。比如Numpy、Pandas、Matplotlib與python作圖、Sklearn與機器學習基礎等等。雖然Python是數據分析的重要工具，但是不同的職業發展方向，Python掌握的程度也是不一樣的。

（6）產品運營知識

可能有些人都聽過產品運營這一崗位，對于想往管理路線發展的數據分析師來講，產品運營是必須要要學習的知識。其實產品運營知識也不復雜，就是根據自身業務需求將指標拆解到最細，然后運用同比和環比兩種數據分析方式。

二、怎么表示兩個特征的相關性 等高線圖 機器學習

分類算法一般最后得到的是一個概率向量，表示該樣本屬于某種類別的概率。用戶需要確定每一維對應的是哪一類。

例如，對于你提到的例子，是一個二分類問題，輸出一個二維的概率向量，可以把第0維看做錯誤，第1維看做正確；當然也可以把第1維看做錯誤，第0維看做正確。只要是確定這個對應關系就可以了。

直接把每一類對應到0，1，2， 就可以了

三、如何理解機器學習算法在大數據里面的應用

現在深度學習在機器學習領域是一個很熱的概念，不過經過各種媒體的轉載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認為，深度學習是一種能夠模擬出人腦的神經結構的機器學習方式，從而能夠讓計算機具有人一樣的智慧；而這樣一種技術在將來無疑是前景無限的。那么深度學習本質上又是一種什么樣的技術呢？

深度學習是什么

深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基于統計的概率模型。在對各種模式進行建模之后，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那么這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習算法類比為排序算法，那么深度學習算法便是眾多排序算法當中的一種（例如冒泡排序），這種算法在某些應用場景中，會具有一定的優勢。

深度學習的“深度”體現在哪里

論及深度學習中的“深度”一詞，人們從感性上可能會認為，深度學習相對于傳統的機器學習算法，能夠做更多的事情，是一種更為“高深”的算法。而事實可能并非我們想象的那樣，因為從算法輸入輸出的角度考慮，深度學習算法與傳統的有監督機器學習算法的輸入輸出都是類似的，無論是最簡單的Logistic Regression，還是到后來的SVM、boosting等算法，它們能夠做的事情都是類似的。正如無論使用什么樣的排序算法，它們的輸入和預期的輸出都是類似的，區別在于各種算法在不同環境下的性能不同。

那么深度學習的“深度”本質上又指的是什么呢？深度學習的學名又叫深層神經網絡（Deep Neural Networks ），是從很久以前的人工神經網絡（Artificial Neural Networks）模型發展而來。這種模型一般采用計算機科學中的圖模型來直觀的表達，而深度學習的“深度”便指的是圖模型的層數以及每一層的節點數量，相對于之前的神經網絡而言，有了很大程度的提升。

深度學習也有許多種不同的實現形式，根據解決問題、應用領域甚至論文作者取名創意的不同，它也有不同的名字：例如卷積神經網絡（Convolutional Neural