数据分析方法大全：描述性、探索性、预测性及更多

# 数据分析方法大全
## 描述性统计分析
### 定性数据分析
#### 访谈分析
#### 焦点小组
#### 名义分类
### 定量数据分析
#### 集中趋势度量
##### 均值
##### 中位数
##### 众数
#### 离散程度度量
##### 方差
##### 标准差
##### 极差
#### 分布形态度量
##### 偏度
##### 峰度
## 探索性数据分析
### 聚类分析
#### K均值聚类
#### 层次聚类
#### DBSCAN聚类
### 分类分析
#### 决策树分类
#### 支持向量机
#### 逻辑回归
### 时间序列分析
#### 自回归（AR）
#### 移动平均（MA）
#### 季节性分解
### 主成分分析
#### 方差解释
#### 变量缩减
### 因子分析
#### 共同因子提取
#### 旋转技术
## 验证性数据分析
### 方差分析
#### 单因素方差分析
#### 多因素方差分析
### t检验
#### 独立样本t检验
#### 配对样本t检验
### 卡方检验
#### 适合度检验
#### 独立性检验
### 非参数检验
#### 威尔科克森检验
#### 曼-惠特尼U检验
### 秩和检验
#### 克鲁斯克尔-瓦利斯检验
## 预测性数据分析
### 指数平滑法
#### 简单指数平滑
#### 加权指数平滑
### 灰色预测模型
#### GM(1,1)模型
#### 灰色关联分析
### ARIMA预测
#### 模型识别
#### 参数估计
### 季节Sarima法
#### 模型构建
#### 季节性调整
### 马尔科夫预测
#### 状态转移分析
### 机器学习预测
#### 线性回归
#### 决策树回归
#### 随机森林
#### 支持向量回归
## 指导性数据分析
### 优化算法
#### 线性规划
#### 整数规划
#### 动态规划
### 决策树
#### ID3算法
#### C4.5算法
### 神经网络
#### 前馈神经网络
#### 卷积神经网络
#### 循环神经网络
### 贝叶斯网络
#### 条件概率分析
#### 推理算法
## 文本数据分析
### 文本分类
#### 朴素贝叶斯分类
#### 支持向量机分类
### 文本情感分析
#### 词典法
#### 机器学习方法
### 关键词提取
#### TF-IDF算法
#### TextRank算法
### 文本主题挖掘
#### LDA主题模型
#### 按照主题聚类
## 关联规则挖掘分析
### Apriori算法
#### 频繁项集生成
#### 关联规则生成
### FP-Growth算法
#### 压缩数据集
#### 高效挖掘频繁项集