【数据科学导论】第五章·数据可视化与文本分析

🌈个人主页：十二月的猫-CSDN博客

🔥 系列专栏： 🏀数据处理与分析_十二月的猫的博客-CSDN博客

💪🏻 十二月的寒冬阻挡不了春天的脚步，十二点的黑夜遮蔽不住黎明的曙光

目录

[1. 前言](#1. 前言)

[2. 数据可视化](#2. 数据可视化)

[3. 文本分析](#3. 文本分析)

[3.1 总纲](#3.1 总纲)

[3.2 数据获取【网页抓取】](#3.2 数据获取【网页抓取】)

[3.3 数据处理【中文分词】](#3.3 数据处理【中文分词】)

[4. 总结](#4. 总结)

---

1. 前言

【数据处理与分析】专栏主要专注于数据处理和数据分析。

专栏中的**【数据科学导论】部分是对整个大数据科学所有技术（包括数据处理、数据分析）的一个概论**，适用于想要快速入门大数据的友友们🥰🥰~~~

【数据科学导论】整体学习脉络：

1. 数据科学导论------研究数据科学
2. 数据科学------研究大数据处理
3. 大数据处理过程------采集、表示与存储、预处理、建模分析、可视化 、决策
4. 大数据处理过程指导数据科学导论内容

前面，我们学习了一下部分：

数据清洗（噪声、填充、删除）

1. 数据集成（冗余：无序数据冗余+有序数据冗余。无序数据冗余：皮尔逊相关系数、卡方检验；明氏距离、汉明距离；简单匹配相似度、jaccard相似度、余弦相似度。有序数据冗余：斯皮尔曼系数、NDCG。）
2. 数据规约（PCA、特征子集选取）
3. 数据变换（量纲处理：Z变换、最大最小值变、小数变换；离散处理：聚类、分箱、熵变换）

特征提取

1. 设计特征：TF、IDF；
2. 选取特征：全局最优搜索、随机搜索、启发式搜索；
3. 特征评价：过滤式、封装式、嵌入式

数据探索性分析

1. **数据分布：**极差、方差、变异系数、异众比率等等
2. **参数估计：**矩估计、最小二乘估计（LSE）、极大似然估计（MLE）、最大后验概率估计（MAP）
3. 假设检验
4. **抽样方法：**简单随机抽样、系统抽样、分层抽样、整群抽样

---

接下来，我们直接来加入可视化和文本分析部分。可视化就是数据可视化，文本分析就是文本进行处理🥥。由于本系列是入门课程，因此仅仅是对各部分有一个简单的介绍。

2. 数据可视化

数据可视化的作用：

• 协助思考
• 帮助记忆
• 增强认知能力
• 使用感知代替认知

数据可视化的方法和技术：

• 图可视化
  • 节点链接图：直观简单但是对密集图不适用。
  • 相邻矩阵：可视化效果不直观但是适合复杂密集图的展示。
• 统计图表可视化
• 地理数据可视化
  • 点数据可视化：简单直观，符合逻辑直觉；但是不适用于密集图展示。
  • 线数据可视化：简单直观，但是不适用于密集图展示。
  • 区域数据可视化
• 文本可视化
  • 文本可视化将文本中蕴含的语义特征（词频、逻辑结构、主题聚类、动态演化规律等）直观 的展示出来
• 时空数据可视化
  • 一维二维三维标量场数据可视化

数据可视化工具：

• Echarts
• R语言
• Processing
• Google Refine

3. 文本分析

3.1 总纲

3.2 数据获取【网页抓取】

提升性能：异步抓取，DNS预解析

链接调度：累积式抓取，增量式抓取【搜索引擎的日常抓取】

重复检测：I-Match算法

爬虫：robots.txt（友好访问|存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的 漫游器内容是否能被获取）

恶意爬虫危害：

• 增加网站带宽负担
• 核心文本被爬取
• 注册用户被扫描（一个个验证手机号看是否注册）
• 点击欺诈（不知道真实的访问量）

3.3 数据处理【中文分词】

中文基于单字，中文书面表达方式以汉字作为最小单位的，但词与词之间没有显性的界限标志

词法分析包含：

• 分词
• 词性标注（名词，动词，形容词等）
• 命名实体识别
• 词义消歧

**分词的意义：**正确的机器自动分词是正确的中文信息处理的基础

分词主要难题：

• 如何识别未登录词
• 如何利用语言学知识
• 词语边界歧义处理【分词歧义】
• 实时性应用中的效率问题

4. 总结

本文到这里就结束啦~~

目前已完成：大数据入门、数据表示与存储、数据预处理、建模分析

期待您的关注~~🥰🥰

猫猫陪你永远在路上💪💪

如果觉得对你有帮助，辛苦友友点个赞哦~