不懂程式也能學會的大數據分析術學習筆記

　　如同書名，這本由黃柏崴、李童宇所著作的《不懂程式也能學會的大數據分析術》，非常適合沒有任何資料科學背景或經驗的朋友來閱讀，而即便是有經驗的朋友，也能夠透過這本書的分析思維，全盤檢視以往進行資料分析時，是否能針對專案問題，設計出良好的商業目標與資料分析目標，並在專案反覆蒐集資料與調整目標、調整模型的最後，做出適當的評估與說明。

　　擔任研究助理的工作當中，接觸與使用過Tableau以及PolyAnalyst，儘管這些商業套裝軟體不需要使用者有編程的經驗，但是若沒有資料分析的知識與經驗，一般人依舊無法單純透過玩玩看、按按看的方法來了解這些軟體的操作方式與運作精隨，此外這些軟體通常價格不斐，不是一般家庭可以負擔的，因此適用性與普及性還不夠好，所以還是建議使用Python按部就班來學習資料分析較恰當。

　　儘管商業套裝軟體有上述的缺點，但是以資料分析流程的整體性來說，我們能夠透過軟體中視覺化的流程圖，以及可任意調整的資料探索方式，來做更完善的分析，這方面是使用Python自己來編寫程式無法做到的，因此多數的商業套裝軟體皆支援程式語言操作的方式，來讓自己的軟體更有彈性操作空間。

　　本書使用的是擁有免費開放原始碼版本的RapidMiner，沒有限制使用日期，唯有在資料量大、特殊分析需求等情形時，才需要付費升級軟體的功能，這方面對於學習者而言是一大福音，但是學習RapidMiner與學習其它商業套裝軟體相同，軟體中許多的工具與參數設定，仍需要花費大量時間查閱說明文件與實際試驗，以及需要補足資料分析相關知識才比較容易上手。

第一章：先搞懂資料領域熱門關鍵字

資料分析(Data Analytics)

l   資料分析運用四大階段－
價值低、難度低、傳統商業智慧à價值高、難度高、人工智慧：
描述型分析－發生了什麼à
診斷型分析－為什麼發生à
預測型分析－未來會不會發生à
指示型分析－如何讓它發生

資料科學(Data Science)

l   三個大項目：
電腦科學(Computer Science)、統計(Statistics)、領域知識(Domain Expertise)

第二章：資料分析五大流程<<概念解說>>

資料分析雙鑽石模型

l   問題發掘à問題研究(發散)、目標定義(收斂)à資料蒐集與前處理à資料探索與視覺化(發散)、資料建模(收斂)à結果評估

問題研究與目標定義

l   定義問題的方式：
一、透過現有的資料為發想，思考可以運用的方向。
二、針對想要解決的困難，再接著尋找資料。

l   兩種不同的定義目標：
商業目標(Business Goal)、資料分析目標(Analytics Goal)

資料蒐集與前處理

l   蒐集資料一般常見的做法：
一、自己撰寫爬蟲程式爬取資料。
二、從政府公開資料、資料科學網站或競賽平台獲取。

l   前處理內容：
遺失值處理、異常值處理、資料表合併拆解、資料轉換

資料探索與視覺化

l   視覺化呈現的類別：
比較(Compare)－長條圖、折線圖等
分佈(Distribution)－線圖、直方圖、散點圖等
組成(Composition)－圓餅圖、面積圖等
關係(Relationship)－散點圖、泡泡圖等

資料建模

l   模型的種類：
監督式學習(Supervised Learning)－迴歸模型(Regression)、分類模型(Classification)
非監督式學習(Unsupervised Learning)－分群(Clustering)、異點偵測(Anomaly Detection)

結果評估

l   非均衡資料：
火災、信用卡違約、信用卡盜刷等特殊情形在絕大多數時間都不會發生，導致我們擁有的資料源幾乎沒有發生這些狀況的資料。

l   準確度悖論：
在預測非均衡資料時，利用準確度來當作衡量依據就會存在準確度悖論。

第三章：資料分析五大流程<<實戰提示>>

定義資料分析目標參考資源

l   機器之心

l   數據分析網

到哪蒐集資料

l   Kaggle

l   DataCastle

l   data.world

l   OODATA

l   政府開放資料平台(Data.gov.tw)

資料探索與視覺化

l   探索型視覺化：
研究資料的特性，以正確地呈現資料完整樣貌為目標。

l   敘事型視覺化：
強調用圖表表達想要說的故事，以讓閱聽者印象深刻為目標。

第四章：不會寫程式也可以玩Data! RapidMiner簡介與安裝

使用RapidMiner

l   RapidMiner下載：
RapidMiner的官方網站首頁àGET STARTED

l   新增空白流程專案：
StartàBlank

RapidMiner介面說明

l   ViewàShow Panel：
A. 功能列－執行流程、停止流程、設計流程、查看結果
B. Repository－用來儲存檔案的地方
C. Operators－資料分析流程中會使用到的各種工具
D. Process－放置、相連各種小工具的地方
  inp接點－輸入資料
  res接點－輸出資料
E. Parameters－工具需要使用者設定一些參數
F. Help－呈現該工具的詳細說明

第五章：分類問題 - 誰是有潛力的NBA新秀

問題研究、目標定義、資料蒐集

l   此案例的資料nba_logreg.csv：
https://data.world/exercises/logistic-regression-exercise-1

l   依照資料調整此案例的問題：
如何判斷新秀球員是否能在NBA籃球殿堂奮鬥3個賽季以上à
如何判斷新秀球員是否能在NBA籃球殿堂奮鬥5個賽季以上

l   依照資料調整此案例的資料分析目標：
以近4到10年間的選秀球員資料，預測球員能不能在NBA奮鬥3年以上à
透過球員在菜鳥球季的數據表現，來預測球員能不能在NBA奮鬥5年以上

l   依照資料調整此案例的商業目標：
提供有效的選秀指標，讓球隊老闆以較低的成本逐漸打造一支頂尖球隊à
掌握新秀球員的發展性，創造有效的球員交易案

資料前處理、資料探索與視覺化

l   新增空白流程專案：
StartàBlank

l   新增Repository：
Create repositoryàNew local repositoryà設定名稱PredictNBARookieàCreate subfolderà設定名稱DataàCreate subfolderà設定名稱Process

l   匯入資料：
Import DataàMy Computerà選擇nba_logreg.csvà設定資料格式，此案例在TARGET_5Yrs點選Change Type改為binominalà儲存在PredictNBARookie\Data

l   探索資料：
ResultsàStatisticsà此案例在Missing發現遺失值àDataà在Filter點選missing_attributesà推論並佐證3P%(三分球命中率)有遺失值的原因為「沒有嘗試三分球出手」

l   Step 1. 將資料放到Process區塊：
DesignàOperators\RetrieveàParameters\repository entry選擇檔案(à可以先連接工具、執行Process，儲存在PredictNBARookie\Process)

l   Step 2. 處理遺失值：
Operators\Replace Missing ValuesàParameters\attribute filter type選擇single，attribute選擇3P%，default選擇zero

資料建模－監督式學習－分類模型

l   Step 3. 以Name以外的19個變數預測TARGET_5Yrs：
Operators\Select AttributesàParameters\attribute filter type選擇subset，attributes按下Select Attributes選擇Name以外的20個變數

l   Step 4. 設定TARGET_5Yrs為目標變數：
Operators\Set RoleàParameters\attribute name選擇TARGET_5Yrs，target role選擇label

l   Step 5. 複製接點給接下來的兩個分類模型使用：
Operators\Multiply

l   Step 6. 切割為訓練資料與測試資料：
Operators\Split DataàParameters\partitions按下Edit Enumeration再按下Add Entry兩次設定切割比例為0.6與0.4(這個順序是par接點的順序)(à此案例勾選Show advanced parameters，use local random seed隨機種子設定為2000)

l   Step 7. 建立決策樹模型：
Operators\Decision Tree

l   Step 8. 套用決策樹模型：
Operators\Apply Model(mod接點與模型相接，unl接點與測試資料相接)

l   Step 9. 決策樹模型評斷：
Operators\Performanceà通常會希望看到三樣產出：
一、模型的評斷指標－將Performance右側per接點連到Process的res接點。
二、預測值和真實值的測試集－將Performance右側exa接點連到Process的res接點。
三、建立的模型－將Apply Model右側mod接點連到Process的res接點。

l   Step 10. 接續Step 5，從Step 6準備建立邏輯迴歸模型：
Operators\MultiplyàOperators\Split DataàOperators\Logistic RegressionàOperators\Apply ModelàOperators\Performance

l   流程圖：

結果評估

l   解讀決策樹模型：
透過一連串樹狀分岔的架構，產生最有效分辨球員是否可以在場上征戰超過五個賽季的規則。

l   解讀邏輯迴歸模型：
將模型以一道方程式來呈現。

l   混淆矩陣(Confusion Matrix)的三種常見面向來探討模型的分類預測能力：
一、整體預測正確率(Accuracy)：
Accuracy=(true 0.0, pred 0.0)+(true 1.0, pred 1.0)/全部資料
二、被預測出的資料中有多少是正確的－精確率(Precision)：
Precision(0.0)=(true 0.0, pred 0.0)/(true 0.0, pred 0.0)+(true 1.0, pred 0.0)
三、實際資料中有多少筆被正確預測出來－召回率(Recall)：
Recall(1.0)=(true 1.0, pred 1.0)/(true 1.0, pred 1.0)+(true 1.0, pred 0.0)

案例總結

l   技術面：
我們不一定只能選擇一個模型，可以整體學習(Ensemble Learning)。

l   應用面：
千萬不能一股腦地陷入尋找最佳模型的世界中，真正好的模型要能兼顧應用面。

第六章：迴歸問題 - 如何買到最合理價格的中古車?

問題研究、目標定義、資料蒐集

l   此案例的資料ToyotaCorolla.csv：
https://github.com/datailluminations/PredictingToyotaPricesBlog

l   依照資料調整此案例的問題：
非專業的汽車買家如何得知中古車的合理售價à
非專業的汽車買家如何得知Toyota Corolla中古車的合理售價

l   依照資料調整此案例的資料分析目標：
找出影響售價最重要的一個指標，並且預測中古車的合理價格à
找出影響售價最重要的一個指標，並且預測Toyota Corolla中古車的合理價格

l   依照資料調整此案例的商業目標：
教導非專業的汽車買家購買須知，打造資訊更透明的交易市場à
教導非專業的Toyota Corolla汽車買家購買須知，打造資訊更透明的交易市場

資料前處理、資料探索與視覺化

l   新增空白流程專案：
StartàBlank

l   新增Repository：
Create repositoryàNew local repositoryà設定名稱PredictToyotaCorollaàCreate subfolderà設定名稱DataàCreate subfolderà設定名稱Process

l   匯入資料：
Import DataàMy Computerà選擇ToyotaCorolla.csvà設定資料格式，此案例在MetColor與Automatic點選Change Type改為binominal，在Doors點選Change Type改為polynominal，在Price點選Change Role改為label(前一章是使用Operators\Set Role)à儲存在PredictToyotaCorolla\Data

l   探索資料：
ResultsàStatisticsà此案例在Missing沒有發現遺失值à此案例在Age欄位發現平均車齡偏高àVisualizationsà在Plot type點選Scatter，在X-Axis column點選Age，在Value column點選Price，發現3個售價偏高的資料點àDataà發現這3台車的車齡都是4年

l   探索資料－探討車齡：
DesignàPredictToyotaCorolla\Data\ToyotaCorolla.csv(前一章是使用Operators\Retrieve)(à可以先連接工具、執行Process，儲存在PredictToyotaCorolla\Process)àOperators\Filter ExamplesàParameters\filters按下Add Filters...再設定為Age<=4

l   探索資料－探討里程數、燃料種類、馬力：
ResultsàVisualizationsà在Plot type點選Scatter，在X-Axis column點選Age，在Value column點選Price，在Color點選KM、FuelType、HP檢視à發現這3台售價偏高的車都是柴油車，此外此資料集沒有發現遺失值，也沒有發現無法解釋的異常值

資料建模－監督式學習－迴歸模型

l   Step 1. 將資料放到Process區塊，以全部9個變數預測Price(匯入時已經設定，不需再使用Operators\Set Role)：
DesignàOperators\RetrieveàParameters\repository entry選擇檔案(à可以先連接工具、執行Process，儲存在PredictToyotaCorolla\Process)

l   Step 2. 複製接點給接下來的兩個迴歸模型使用：
Operators\Multiply

l   Step 3. 因線性迴歸模型只能接收數值變數，必須將FuelType與Doors這2個類別變數轉成虛擬變數(虛擬變數(Dummy Variable)：當某一個變數含有n個類別要表示時，只需使用n-1個變數即可表達，並以0和1表示。)：
Operators\Nominal to NumericalàParameters\attribute filter type選擇subset，attributes按下Select Attributes選擇FuelType與Doors共2個變數，coding type選擇dummy coding

l   Step 4. 因線性迴歸模型只能接收數值變數，必須將MetColor與Automatic這2個二元變數(二元變數也等同於是類別型變數)轉成虛擬變數：
Operators\Nominal to NumericalàParameters\attribute filter type選擇subset，attributes按下Select Attributes選擇MetColor與Automatic共2個變數，coding type選擇dummy coding

l   Step 5. 捨去不需要的虛擬變數：
Operators\Select AttributesàParameters\attribute filter type選擇subset，attributes按下Select Attributes選擇MetColor = 0、Automatic = 0、FuelType任意擇一虛擬變數、Doors任意擇一虛擬變數以外的所有變數

l   Step 6. 切割為訓練資料與測試資料：
Operators\Split DataàParameters\partitions按下Edit Enumeration再按下Add Entry兩次設定切割比例為0.6與0.4(這個順序是par接點的順序)(à此案例勾選Show advanced parameters，use local random seed隨機種子設定為1500)

l   Step 7. 建立線性迴歸模型：
Operators\Linear Regression

l   Step 8. 套用線性迴歸模型：
Operators\Apply Model(mod接點與模型相接，unl接點與測試資料相接)

l   Step 9. 線性迴歸模型評斷：
Operators\Performanceà通常會希望看到三樣產出：
一、模型的評斷指標－將Performance右側per接點連到Process的res接點。
二、預測值和真實值的測試集－將Performance右側exa接點連到Process的res接點。
三、建立的模型－將Apply Model右側mod接點連到Process的res接點。

l   Step 10. 接續Step 2，從Step 6準備建立決策樹模型：
Operators\MultiplyàOperators\Split DataàOperators\Decision TreeàParameters\criterion選擇least_square(能夠直接使用類別型的輸入變數)，maximal depth設定為5(避免over fitting)àOperators\Apply ModelàOperators\Performance

l   流程圖：

結果評估

l   解讀線性迴歸模型：
一、探索性的問題－關注模型對於解釋資料的配適度(Goodness of Fit)。
二、預測性的問題－關注模型對於新資料的預測能力，此案例屬於這類。

l   解讀決策樹模型：
會讓區分能力越好的決策節點出現在樹的越上方，此案例車齡(Age)是影響Toyota二手車價(Price)的關鍵指標。

l   比較模型預測能力的方式一－從模型高估或低估來判斷：
此案例，高估很容易就會讓買家多花一些冤枉錢，因此低估的模型會比較優秀，將透過直方圖的方式呈現預測誤差(預測誤差=實際值-預測值)。

l   比較模型預測能力的方式一－在RapidMiner上實際操作：
接續Step 9. Operators\PerformanceàOperators\Generate AttributesàParameters\function descriptions按下Edit List (0)...，attribute name設定為PredictionError，function expressions設定為Price-[preduction(Price)]à執行àResultsàVisualizationsàPlot type點選Histogram，Value columns點選PredictionError

l   比較模型預測能力的方式二－模型準確度的衡量值：
一、MSE(Mean Squared Error)－平方的平均誤差
二、RMSE(Root Mean Squared Error)－平方的平均誤差開根號，還原成原本數值單位的平均誤差
三、MAE(Mean Absolute Error)－取絕對值的平均誤差
四、Average Error－平均誤差

l   比較模型預測能力的方式二－在RapidMiner上實際操作：
一、將Step 9中舊的Performance工具改為Performance (Regression)工具àParameters\選擇root mean squared error(RMSE)，選擇absolute error(MAE)，選擇squared error(MSE)
二、Average Error可以透過ResultsàStatistics頁面直接取得預測誤差的平均值。

l   衡量值的解說：
當Average Error呈現正值，表示模型產生出較多的正誤差，也就是所謂模型低估的現象。

l   流程圖：

第七章：群集分析 - 如何找出擁有相似喜好的客群?

問題研究、目標定義、資料蒐集

l   此案例的資料Wholesale_customers_data.csv：
http://archive.ics.uci.edu/ml/machine-learning-databases/00292/

l   此案例的問題：
希望參考線下實體通路的銷售資料，成立一個線上的購物網站，如何得知消費者的喜好，提供更優質的服務。

l   此案例的資料分析目標：
採用「比較群集內誤差」的方式找出轉折點(Elbow Method)，決定最佳的分群數量。

l   此案例的商業目標：
由於團隊資源有限，分群數量不能超過5群，針對不同群集提供客製化服務。

資料前處理、資料探索與視覺化

l   新增空白流程專案：
StartàBlank

l   新增Repository：
Create repositoryàNew local repositoryà設定名稱CustomerClusteringàCreate subfolderà設定名稱DataàCreate subfolderà設定名稱Process

l   匯入資料：
Import DataàMy Computerà選擇Wholesale_customers_data.csvà設定資料格式，此案例在Channel與Region點選Change Type改為ploynominalà儲存在CustomerClustering\Data

l   探索資料：
ResultsàStatisticsà此案例在Missing沒有發現遺失值à推論此案例不適合使用Channel與Region欄位àVisualizationsà在Plot type點選Scatter，嘗試多種變數的組合

資料建模－非監督式學習－k-Means分群模型

l   Step 1. 將資料放到Process區塊：
DesignàCustomerClustering\Data\Wholesale_customers_data.csv(à可以先連接工具、執行Process，儲存在PredictToyotaCorolla\Process)

l   Step 2. 選擇Channel與Region以外的6個變數：
Operators\Select AttributesàParameters\attribute filter type選擇subset，attributes按下Select Attributes選擇Channel與Region以外的6個變數

l   Step 3. 複製接點給接下來的Elbow Method與k-Means分群模型使用：
Operators\Multiply

l   Step 4. 使用迴圈建立Elbow Method以決定分群數量：
Operators\Loop Parametersà按滑鼠左鍵兩下進入子流程設計畫面

l   Step 5. 建立k-Means分群模型：
Operators\k-Meansà與子流程inp接點相接

l   Step 6. k-Means分群模型評斷：
Operators\Cluster Distance Performance(exa接點與k-Means Clustering右下方的clu接點相接，clu接點與k-Means Clustering右上方的clu接點相接)à與子流程out接點相接

l   Step 7. 記錄子流程執行過程產生的數值：
Operators\Log(放在子流程中，不需要和其它工具連接)àParameters\log按下Edit List (0)...，column name設定為k，value設定為Clustering\parameter\k，按下Add Entry，column name設定為D，value設定為Performance\value\avg_within_distance

l   Step 8. 設定迴圈執行次數：
返回Processà選取Operators\Loop ParametersàParameters\error handling選擇fail on error，按下Edit Parameter Settings...，再按下Operators\Clustering (k-Means)選擇k，接著此案例需在Value List逐一設定2至12共11個數值à將Loop Parameters右側out接點連到Process的res接點

l   Step 9. Elbow Method繪圖以決定分群數量：
執行àResultsàSimple ChartsàChart style點選Scatter Multiple，x-Axis點選k，y-Axis點選Dà推論此案例選擇5或6個分群是可以接受的分群數量

l   Step 10. 接續Step 3，準備建立5與6個分群的k-Means分群模型：
Operators\MultiplyàOperators\k-MeansàParameters\k分別設定為5與6à將2個模型右側的2個clu接點共4個連到Process的res接點

l   流程圖：

結果評估

l   解讀k-Means分群模型：
一、認識子群集的資料分佈，觀察占比大小：
Resultsà模型àDescription與Graph
二、以中心點做為子群的代表：
Resultsà模型àCentroid Table與Plot(平行座標圖Parallel Coordinate Plot)
三、查看子群中各筆資料，執行更進階的研究：
Resultsà模型àFolder View，或是直接看ExampleSet

第八章：時間序列分析 - 預測未來一年每月出生率

問題研究、目標定義、資料蒐集

l   在分析時間序列(Time Series)的過程中，會試著將時間序列拆解成四種不同的元素：
一、趨勢(Trend)－長時間的資料走勢。
二、循環(Cycle)－循環通常是大於一年的長時間循環變動。
三、季節性(Seasonality)－短時間的規律變動。
四、不規則變異(Irregular Variation)－或稱隨機變異(Random Variation)，不尋常的狀況造成時間序列產生不可預知的改變。

l   移動視窗法(Moving Windows)：
一、Window Size表示移動視窗法的視窗大小，也就是訓練模型時資料的長度。
二、Step Size代表下一次訓練時要移動的距離。
三、Horizon Size代表預測值的長度。

l   此案例的資料fertility.csv：
內政部統計查詢網(http://statis.moi.gov.tw/micst/stmain.jsp?sys=100)à出生à全選97年至107年的月統計項，以台北市為分析標的à下載Excel並另存命名為fertility.csv
本章實際操作的csv檔：http://www.flag.com.tw/DL.asp?F9364

l   此案例的問題：
得知國家整體的未來生育率狀況。

l   此案例的資料分析目標：
以97年到107年十年間的歷史生育率為訓練資料，透過時間序列分析的模型－ARIMA(差分整合移動平均自回歸模型)，預測未來一年每個月的生育率。

l   此案例的商業目標：
嬰幼兒用品的業者預測未來一年每個月的生育率以因應市場的變化。

資料前處理、資料探索與視覺化

l   新增空白流程專案：
StartàBlank

l   新增Repository：
Create repositoryàNew local repositoryà設定名稱FertilityPatePredictionàCreate subfolderà設定名稱DataàCreate subfolderà設定名稱Process

l   匯入資料：
Import DataàMy Computerà選擇fertility.csvà設定資料格式，此案例在Time點選Change Type改為date，Date format設定為yyyy/MMà儲存在FertilityPatePrediction\Data

l   探索資料：
ResultsàStatisticsà此案例在Missing沒有發現遺失值àVisualizationsà在Plot type點選Line，嘗試多種變數的組合

資料建模－時間序列模型

l   Step 1. 將資料放到Process區塊：
DesignàOperators\RetrieveàParameters\repository entry選擇檔案(à可以先連接工具、執行Process，儲存在FertilityPatePrediction\Process)

l   Step 2. 切割為訓練資料與測試資料：
Operator\Forecast ValidationàParameters\time series attribute選擇Birth_rate，勾選has indices，indices attribute選擇Timeà按滑鼠左鍵兩下進入細部設定畫面

l   Step 3. 建立時間序列ARIMA模型(Training)：
Operators\ARIMA(exa接點與Training的tra接點相接，for接點與Training的mod接點相接)àParameters\time series attribute選擇Birth_rate，勾選has indices，indices attribute選擇Time，p、d、q分別設定為2、0、1，勾選estimate constant，main criterion選擇aic

l   Step 4. 建立時間序列ARIMA模型(Testing)：
Operators\Performance (Regression)(lab接點與Testing的tes接點相接，per接點與Testing的per接點相接，exa接點與Testing的tes接點相接)

l   Step 5. 時間序列ARIMA模型評斷：
返回ProcessàOperators\Apply Forecast(for接點與Forecast Validation的mod接點相接，exa接點與Process的res接點相接)àParameters\forecast horizon設定為12(預測未來12個月的意思)à選取Operators\Forecast Validation(tes接點與Process的res接點相接，per接點與Process的res接點相接)

l   流程圖：

模型說明與評估

l   自回歸模型(AR)：
用時間序列本身的歷史值來對自己進行預測，p=1代表一期的落後項(Lag-1)，產生1個X做變數來預測Y。

表一、p=2的自回歸

Time	Y	X_1	X_2
1月	0.6	\	\
2月	0.9	0.6	\
3月	0.8	0.9	0.6
4月	0.5	0.8	0.9

l   差分(I)：
一個平穩的時間序列的統計特性不會隨著時間變化，透過差分這樣的線性組合方式可以使非平穩的時間序列趨於平穩，d=1代表一階差分。

表二、p=2的自回歸做一階差分

Time	Y	X_1	X_2
1月	0.6	\	\
2月	0.9-0.6=0.3	0.6	\
3月	0.8-0.9=-0.1	0.9-0.6=0.3	0.6
4月	0.5-0.8=-0.3	0.8-0.9=-0.1	0.9-0.6=0.3

l   移動平均模型(MA)：
透過過去q個時期的隨機干擾或是預測誤差並給予不同權重來解釋，稱為MA(q)模型。

l   勾選estimate constant：
設定是否要在ARIMA模型中加入一個截距項(常數項)。

l   main criterion選擇aic：
包含AIC、BIC、AICC等的資訊評選準則，而這些準則的值通常越小越好，尋找可以最好地解釋數據但包含最少參數的模型。

l   評估模型預測能力：
ResultsàExampleSet(Forecast Validation)àVisualizationsà在Plot type點選Line，Value columns選擇Birth_rate與forecast of Birth_rate

l   預測未來12個月的生育率：
ResultsàExampleSet(Apply Forecast)àVisualizationsà在Plot type點選Line，Value columns選擇Birth_rate and forecast與forecast of Birth_rate

第九章：結語－不是資料專家也該有的大數據思維

數據的思維方式

l   大數據思維：
是懂得從自己的專業領域中建立「以數據為導向」的思考模式，試著用數據找尋機會，最終了解數據要如何產生價值。

l   資料分析的質化與量化：
質化分析能幫助我們有系統性的探索、歸納和洞察數據，而一個數據分析的過程也確實需要發揮兩者的綜效。

l   用數據說故事：
數據是表達事情真相的媒介，讓我們跳脫經驗法則的迷失，透過數據忠實呈現發生的現象。

l   建立屬於你的大數據思維：
能不能在各自熟悉的崗位上養成屬於自己的數據思維，其實需要的還是不斷練習。