KDNuggets:数据科学家使用工具调查
- - 199IT互联网数据中心工具/产品/解决方案是数据科学家洞察数据的利器. KDNuggets网站对此观点进行了年度调查,来分析数据科学家在用哪些类型的工具,并提供了调查的 匿名原始数据. 通过主成分析(PCA)法进行降维分析. 对所有的工具同时进行关系分析,常规来说,PCA通过对大样本数据统计性质(eg, 协方差)的分析,试图用主要特征来解释关系.
工具/产品/解决方案是数据科学家洞察数据的利器。 KDNuggets网站对此观点进行了年度调查,来分析数据科学家在用哪些类型的工具,并提供了调查的 匿名原始数据。
通过主成分析(PCA)法进行降维分析
对所有的工具同时进行关系分析,常规来说,PCA通过对大样本数据统计性质(eg, 协方差)的分析,试图用主要特征来解释关系。
分析结果:
当前分析的目标:通过一些主成分来分析95种工具之间的关系。最终决定以PCA的特征值来决定主成分的数目,这里选用了两种规则:一种是以特征值大于1的特征值数量来选择主成分数量;一种是画陡坡图(scree plot),通过95个特征值你会发现一个拐点的特征值。
特征点点陡坡图显示在第13和第14特征点时出现拐点,因此,这里选择的13个主成分来解释它们之间的关系,见下图。
点击上图可放大
工具分类
下面列出根据主成分析得出的13类工具(投票数大于20):
总结
数据科学家在选择大数据、数据挖掘和数据分析工具时,更倾向于有一定生态基础的工具,这样各个工具间可以相互支持。
为了提高在大数据项目中成功的机会,选择正确的工具是非常重要的。没有一个孤立的工具能够做所有的数据分析,职业的数据专家趋向于使用不止一种相关的工具(分析中发现,数据专家平均使用5种数据分析工具)。你可以根据使用相关工具的数据专家来决定自己的选择。
另外一个观点是,要选择大厂的产品,比如,IBM、微软和SAS,大品牌的产品更丰富,可以使得你的产品更容易扩展。
作者: 杜小芳
199IT大数据导航,汇集1000多款与数据相关的工具( http://hao.199it.com/ ),欢迎分享收藏!
您可能也喜欢的文章: | ||||
数据科学家首先应该做的事:对作者情感观察的分析 |
一个优秀数据科学家的主要构成特点 |
KDnuggets:2013年数据挖掘工具使用情况调查 |
数据科学家角色 |
2015年中国大数据发展调查报告(附下载) |
无觅 |