【DataScience学习笔记】Coursera课程《数据科学家的工具箱》 约翰霍普金斯大学——Week3 Conceptual Issues课堂笔记

Coursera课程《数据科学家的工具箱》 约翰霍普金斯大学

Week3 Conceptual Issues

Types of Questions

Types of Data Science Questions

• 描述性分析（Descriptive）

在没有额外的统计建模的基础上，这些描述通常没什么普遍性。

美国的人口普查就是一个描述性分析的例子。

• 探索性分析（Exploratory）

在该分析类型中，我们试着去观察数据并发现之前未知的关系，因此这种分析有利于发现新的关联，同时也有助于确定今后的数据科学项目。

• 推断分析（Inferential）

推断分析的目标是在少量观察的基础上，根据一小部分数据，将得到的信息进行归纳、外推到更大的群体。

例子：美国的空气污染控制对平均寿命的影响。

• 预测分析（Predictive）

预测分析是利用某些对象收集到的数据，去预测下次观察很可能碰到的另一个对象的值。

有一点需要注意，即使通过x预测到了y，也不能说是x导致了y。

• 因果分析（Causal）

这一分析类型就旨在了解，如果改变了一个变量的值会发生什么？这会对另一个变量的值造成怎样的改变？

实施因果分析的权威标准是，利用随机研究或随机对照试验来确认因果关系。

• 机理分析（Mechanistic）

机理分析是要去理解变量的精确变化，和导致了其它变量精确变化的变量的过程。

机理分析最常见的应用范围，可能是在物理或工程学领域，利用一些比较简单的模型，就可以描述许多操作。

What is Data?

维基百科的定义

Data are values of qualitative or quantitative variables, belonging to a set of items.

定性变量是诸如原产国、性别或治疗方法之类的东西。它们不一定是有序的，也不一定是测量值。

定量变量是诸如身高、体重和血压等的数据。它们的测量值通常是连续的，在特定范围里的是有序的。

What About Big Data?

（基本没有干货……）

Experimental Design

安利一个数据共享网站figshare

Confounding

比如说假如在某项研究中，我们统计了鞋号和识字能力。然后我们试着去发现，鞋号和识字能力之间的相关性。

可能我们确实观察到了一些相关性，因为穿小号鞋的人可能会认识少一些的字。但是我们可能忽略了一点，年龄才是导致这个相关性的真正原因。因为婴儿的鞋号非常小，识字能力也很低。再长大一点，需要更大号的鞋子，认识的字也更多，所以年龄才是真正的导致鞋号和识字能力之间相关性的混杂因素。

所以如果我们只统计鞋号和识字能力，然后去发现两个变量之间的相关性，我们可能就误入歧途了。这种情况称作混杂（Confounding）。它关注于研究可能导致相关性的其它变量。