DBSCAN是以密度为本的聚类算法:把某一个点附近的点分成一组,有别于知名度更高的K-Means,K-Means是基于距离的聚类算法,二者擅长的数据集不相同。
探索性因子分析,模型是开放的,完全基于计算机的运算结果,得出因子。常用SPSS验证性因子分析,模型是约束的,即通过变量关系,已经构建模型,进而基于计算结果验证模型。常用AMOS
数据挖掘可以理解为大数据分析,一般的数据库分析是大数据分析,数据分析既包括大数据分析也包括小数据分析,统计分析通常指的是小数据分析,数据是通过抽样获得的,大数据是有多少数据就分析多少数据
进行可视分箱后,得到的是排秩的结果 可以对新生成的分箱化变量进行排序,然后点击描述统计中的探索,将分箱化变量放到因子,原始的m放到因变量列表,在得到的描述结果里就可以看到每组的最大值和最小值