数据分析方法：描述性、探索性、验证性、预测性和指导性分析

# 数据分析方法
## 描述性统计分析
### 定性数据分析
#### 访谈分析
#### 调查问卷分析
#### 内容分析
### 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
#### 逻辑回归
#### 支持向量机
### 时间序列分析
#### 自回归模型
#### 移动平均模型
#### 季节分解
### 主成分分析
#### 变量选择
#### 数据降维
### 因子分析
#### 共享方差
#### 因子提取
## 验证性数据分析
### 方差分析
#### 单因素方差分析
#### 双因素方差分析
### t检验
#### 独立样本t检验
#### 配对样本t检验
### 卡方检验
#### 适配度检验
#### 独立性检验
### 非参数检验
#### Mann-Whitney U检验
#### Kruskal-Wallis H检验
### 秩和检验
#### Wilcoxon秩和检验
## 预测性数据分析
### 指数平滑法
#### 简单指数法
#### 加权指数平滑
### 灰色预测模型
### ARIMA预测
#### p, d, q 参数选择
### 季节Sarima法
#### 季节性预测
### 马尔科夫预测
#### 状态转移概率
### 机器学习预测
#### 随机森林
#### 神经网络
## 指导性数据分析
### 优化算法
#### 遗传算法
#### 粒子群优化
### 决策树
#### ID3算法
#### C4.5算法
### 神经网络
#### 反向传播算法
#### 深度学习
### 贝叶斯网络
#### 条件独立性
#### 推理机制
## 文本数据分析
### 文本分类
#### 监督学习
#### 无监督学习
### 文本情感分析
#### 情感倾向识别
#### 情感评分
### 关键词提取
#### TF-IDF
#### 词频统计
### 文本主题挖掘
#### LDA模型
#### NMF模型
## 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
#### FP树构建
#### 频繁项集挖掘