02相关研究方法概述

主要的多元数据的研究方法包括以下四类：数据描述、统计推断、降维分析、目标归类。

什么是数据描述呢？

这个其实比较好理解，我们举个例子。比如说我们有一张7亿用户的user_table。表中有几十个字段，包括用户的年龄、性别、id、成交量、注册时间等等字段。

那我们该如何描述这张多元数据表呢？

数据量这么大，我们不可能一条条地去看对吧，那我们就会用比如、等指标来描述。或者比如研究几个字段之间的一些、有没有更好的方法。这就是多元数据的描述。

这部分其实就是假设检验了。

在统计分析中也分享过假设检验的内容了，在多元分析这里，唯一的区别就是由一元的检验升级推广为的检验了。

举个例子，比如学生的各科学习成绩之间是否有显著差异等等。

这个其实是做数据、做模型经常遇到的一个问题。

一个数据集，往往维度十分的多，但并不见得每个维度都有着足够的价值，我们要做的就是将其中最主要的维度筛选出来。有点像化简的意思。

通常的方法有两种：和，具体内容我们后续再来展开。

这里主要就是和问题。这是做机器学习很常见的两种场景了。

分类问题，是有监督的学习，事先是知道能够分为哪些类别的。例如预测用户是男性还是女性，或者上文中的鸢尾花的预测。而聚类问题，是无监督的，并不知道用户具体属于哪些类别。

关于聚类，可以参考之前的文章《层次聚类的原理及方法》、《K-means聚类的方法及应用》。

关于分类和判别，我们后续会详细进行分享。