做数据分析是否需要统计学基础？
那就只要你能够非常熟练不使用各种软件解决了问题就可以了？本人数学系学生，未来想向数据分析师方向经济的发展。
不需要，尤其是大数据分析与开掘方向。大数据有很多方向，大数据分析需要数学和统计学基础。
大数据应用的一个核心应该是按照算法来对数据进行整理一番分析，不需要当然的数学基础，我建议你自学线性代数、概率、离散数学、微积分等。
注意一点，并不是所有大数据岗位都要数学，例如大数据开发岗位，建设和优化系统系统，通常工作在后端，数学用得比较比较少。
加米谷大数据培训机构，大数据开发、数据分析深处挖掘，双11预网上报名中
咨询：
数据科学家应该要知道的5个统计学知识
中心化算法是什么意思？
进入虚空问题和一些机器学习算法中，以及训练什么神经网络的过程中，通常必须对原始数据接受中心化（Zero-based或则Mean-subtraction（subtraction它表示减去一））处理和形成标准化（Standardization或Normalization）去处理。
数据标准化（输入特征）处理是数据挖掘的一项基础工作，不同评价指标来讲更具完全不同的量纲和量纲单位，这样的情况会影响大到数据分析的结果，目的是驱除指标之间的物理含义影响，需要进行数据标准化处理，以解决的办法数据指标之间的可比性。原始数据在数据标准化处理后，各指标正处于同一数量级，比较适合参与偏文科类对比评价。
数据挖掘平台哪些比较好？
真不知道楼主要的平台是指什么，我这里帮我推荐一个
Kaggle可以说是众多数据挖掘分析学习者的一个学习平台了。
Kaggle组建于2010年，是一个并且数据发掘出来和分析预测数学竞赛的万分感谢平台。从公司的角度来讲，也可以可以提供一些数据，终致提议一个实际是需要能解决的问题；从参赛者的角度来讲，他们将建议组队参与项目，针对其中一个问题提出解决方案，到了最后由公司一百名的最佳方案可以不完成5K-10K美金的奖金。
之外比赛还这个可以接项目做，从某种角度来讲，大家可以不把它再理解为一个众包平台，相似国内的猪八戒。可是不只是比较传统的低层次劳动力需求，Kaggle一直在致力于提供解决业界难题，而也所创造的了一种全新的劳动力市场——不再以学历和工作经验以及同样的人才评判标准，只是聚焦于个人技能，为顶尖人才和公司之间搭建中了一座桥梁。
里面的学习资源那就比较多的。
推荐一下几篇更加好的文章，里面亲自教学的教了大家入门级的三个经典再练习项目，供大家去学习。
1.Titanic（泰坦尼克之灾）
中文教程：逻辑回归应用之Kaggle泰坦尼克之灾
英文教程：AndigitalData ScienceTutorial
Regression Techniques（房价预测）
中文教程：Kaggle竞赛—2017年房价预测国家
英文教程：How toget toicon25%withSimpleModelusingsklearn
（数字识别）
中文教程：大数据竞赛平台—Kaggle入门
英文教程：interactiveIntrocanDimensionalityReduction
上一篇：怎么用小度智能音箱打电话(小度智能音箱没有语音通话)
下一篇：返回列表
