数据分析的理论与实践

     学习重在与理论在实践中的运用，数据分析更为如此。而我们所知的数据分析包括很多的理论知识，简单的有统计学中的参数与非参，复杂的有机器学习中的神经网络和支持向量机。在学习的过程中我们不可能在一开始就把这些理论全部弄清楚，需要理论与实践反反复复的去磨，才能把这些融汇贯通。

       比如说学习一些统计学理论，我们从刚开始的数据分类开始学，一章一章的学到多元线性回归，这算基础统计学的理论学习完成了。但是我们真的会进行简单的数据分析吗？恐怕不可能吧？给你一个调查问卷，你能分析出它们变量的类型吗？如何确定它们是否是随机的？如何确定该连续性变量是正态分布？如何去除缺失值和异常值？这些都是我们在理论书上我们无法学习到的，只能通过实践去解决。

      对于实践，我个人认为用你最熟悉的统计软件去实现统计理论较好，如果没有最熟悉的，可以用最简单的统计软件。原因是你不需要花很多时间去学习软件的操作，我就是通过SPSS去学习的，SPSS够简单，熟悉EXCEL的人对SPSS没有排斥。

       在实践的过程中，你会发现有很多地方你毫无思路，说明你的理论知识有欠缺，比如在你想构建一个多元线性回归的模型，但你毫无头绪，不知道从何开始，这时候你就得去翻翻理论书，书上一般都会把多元线性回归的步骤和注意事项明确的写出来，你只要多去看看，多去想想就能理解了。

      其实，在学习过程中，最忌只沉浸在理论或实践中，闭门造车了。只学数据分析的理论，你不可能去学会真正的分析；而只知道去操作，不去学数据分析理论，你根本无法提高自己的高度。

     总结一下，学习的过程：理论的大概了解——最简单的软件去实现——出现问题，回看理论书籍——去实现。结果是：你统计理论掌握了，这个软件也掌握了，然后你用你掌握的统计理论知识，去学习新的统计软件就简单了。