交叉分析等几个问题

Question

老师好，有几个问题想请教一下。

第一，在第四章交叉分析时，你用的是独立T检验，为什么要用这种检验方法呢？还有没有其他方法可以用呢？

第二，在第六章讲算法模型时，聚类和关联用的不是之前的HR的数据，是不是因为这两种是非监督学习？我想问一下，能不能用聚类算法研究HR表的数据？

另外，我有一个问题想请教老师，我现在有些数据，是一些大型互联网公司所涉及的热门技术领域，index是一些公司名称，column是一些热门技术的名称（例如大数据），我感觉没法标标签，所以应该用非监督学习。我想用聚类，不知道可不可行？希望老师指点一下技术（是不是要降维等等）！

打扰老师了，提前祝老师中秋节快乐！！

Answer 1

途索 2018-09-22 22:58:41

同学你好，回答你的几个问题：

1、常用的几种检验方法：独立T检验用于两个相互独立的变量间的分布相关性检验，课程里所讲到的例子也正是如此，我们想看的销售部与技术部的离职分布，这两个部门变量即是独立的；对应的还有一个配对样本T检验，用在同一个变量，在不同条件下的检验分析，如药物对于症状的对比实验；另外就是卡方检验，卡方检验一般也可以用在分布相关性的比较上，不过检验的对象一般是构成比，比如，课程里介绍的四格表，我们检验的是两组对象所占总体的比例分布，是不是相关。

2、用聚类研究HR表可以一试，这以把是否离职这一项去掉，试试能不能聚成两拨。这个同学要是有什么实验成果，欢迎反馈。

同学你好，非监督学习是个不错的切入点，既然都是技术名称，那不妨试试关联算法（就是啤酒-尿布那个算法），找找频繁项多的几个组合，这些组合或许就可以分出门类了。

希望能帮到你。

海上升明白，天涯共此时。

咱们中秋都快乐！