1/5 —纽约约会国–妮可·伯纳(Nicole Boner)

一个月前,我开始和亚当*交谈。 像卡梅隆*一样,亚当*也是纽约人。 再一次,就像破纪录重复播放同一首歌一样,我的混乱大脑认为他的“纽约赃物”也将搬到夏威夷。 无法摆脱我的家乡,仍在努力适应我现在所称的家; 我一直在寻找一个海滩狂欢,当他回答客户的电子邮件时,他不会害怕像布娃娃那样把我扔掉。 亚当*用拥抱向我打招呼,当我们的身体通过拥抱拥抱时,他的手臂缠绕在我的腰上。 一个亲密的时刻,不需要我们任何一个人脱掉衣服,但是让我想知道,除了我们之间的好奇心之外,别无所求。 我发现自己被亚当的自信和统治力催眠了。 当我们的目光注视着令人印象深刻的烟花汇演时,我们的脚趾陷入了沙子。 天空照亮了明亮的淡蓝色和粉红色,但是最漂亮的烟花是即将在我两腿之间点燃的烟花。 我准备从一个晚上的看台上退休,但我的大脑不由自主地描绘了我们自己的私人烟火表演的样子。 亚当*和我后来咬了一口饭。 在谈论我们的共同利益时,我们牵手,其中最重要的一项是我们对90天未婚夫的共同兴趣。 一个直男,热爱过度演练的戏剧真人秀; 我知道我必须坚持下去,因为我在数十个永远不会带回家见母亲的受损鸡蛋中发现了金蛋。 亚当**由于父亲是酒鬼而从未接触过酒精饮料,而我发现他的意志力鼓舞人心(因为我因肝脏问题失去父亲,但有时仍会继续喝酒)。 晚饭后除了性爱之外别无其他选择,我们结束了约会。 但是在他拉我接吻之前没有。…

探索探索性数据分析!

资料来源:统计机构 在过去六个月的空闲时间里,我一直在追求数据科学,并且一直在思考我作为初学者应该首先写哪个主题(或说博客)。 没有比我在数据科学领域的第一个项目更合适的项目了,该项目正在对Haberman数据集执行探索性数据分析(EDA)。 什么是EDA? 用通俗易懂的话来说,探索性数据分析就是试图在没有使用绘图工具和线性代数的数据集的先验知识的情况下尝试探索数据。 类似的类比可以是软件的黑盒测试。 在这里,我们手头的数据集不够清晰(就像我们不知道软件是什么一样),并尝试使用统计绘图来找出一些见解。 在我们可以试用众多ML算法并研究其在数据上的性能之前,EDA是要在任何数据集中执行的首要步骤之一。 关于数据集: 在进入分析部分之前,这里是有关执行EDA的数据集的简要概述。在我的分析中,我使用了HABERMAN数据集。 数据集包含1958年至1970年在芝加哥大学比林斯医院进行的一项研究,该研究涉及接受乳腺癌手术的患者的生存情况。数据集可在此处获得(感谢Kaggle帮助吸取ML / AI工程师拥有如此出色的数据存储库)。 在我们的目标中,我们尝试从数据中使用“患者年龄”,“运营年限”,“辅助节点”(可以称为自变量)等功能来查看“生存状态”(也是患者的因变量)我们的分析)。 现在我们已经学习了有关数据的基础知识,让我们着手处理数据。 加载库和数据: 加载所需的库 我已使用Jupyter…

数据可视化工具

在我作为业务分析师/产品设计师的日常工作中,大部分时间都在思考可视化数据的最佳方法。 条形图,线形图与饼图:我必须考虑帮助用户更好地理解数据背后故事的方法。 现在,即使您不像我一样使用分析产品,了解良好的数据可视化的基础对于业务分析师也很重要,原因有两个: #1)数据揭示了业务差距/需求 大数据正在推动大决策。 数据科学正在帮助组织以客观的方式发现实际的业务差距/需求。 数据科学家提出了一个假设(查询),以产生见解(需求),我们的学士学位与利益相关者/主题专家的主观,定性和轶事输入相结合,以将需求转化为真正的影响(变化)。 #2)数据实现了利益相关者的认同 实际上,良好呈现的良好数据可以实现利益相关者的认同。 如果数据中隐藏了更改的需求,那么您需要引起利益相关者的注意,以便获得他们的支持。 您可以通过以下两种方式之一进行操作:向它们发送一个包含行和列数据的巨大excel文件,或者在一些清晰明了的图表中可视化相同的信息,以阐明您的观点。 想一想:您想做什么? 读取10,000个数据点还是看到它们绘制在图表上? 当然是后者! 您的大脑可能像阅读行或行数据的想法一样反叛。 好的,这里有一些资源可以帮助您入门。 如何 [条款]人类的大数据:数据可视化的重要性…