資料分析，必學三大重點
更新於 2024/12/17閱讀時間約 1 分鐘
這一次在高雄上課，租用昂貴的電腦教室，只是很可惜，這家巨匠居然沒有安裝office，只有開放原始碼的試算表，有一點卡卡的，影響我的教學。
找資料、下載資料
趁學員陸續到期，趕緊教他們下載資料；下載資料對我來說雖然簡單，但對於這一批學員來說，卻可能是第一次操作；還好很多學員立即學會，也立馬變身為種子教官，教會旁邊的學員。
下載步驟，我抄寫在黑板上，大家可以參考如下圖：
將營收資料化成圖
中間有想要講解一些數據異常點，可以透過數據轉換成圖像，會更容易找得到，於是帶著大家去看信大1109的營收。
從圖示中，可以很容易發現二月營收低很多，原因還不明白，但是可以看看二月與三月公布營收後，是否會有三月股價下跌(三月公布二月營收)、四月股價上揚(四月公布三月營收)的現象。
透過這一張圖的建立，讓學員第一次學會如何畫圖找異常點。
1700檔篩選成15檔
礙於今天時間比較有限，沒能講得很清楚，所以晚上回來的時候，我自己實作了一個檔案，除了既有的現金流量表資料外，還加上了屠龍寶刀平台的最新資料，增加篩選了融資使用率%、超過1千張(%)。<檔案下載>
相關使用說明如下圖：
篩選完還要一檔一檔進行人工分析
我希望大家透過這樣子的方式，可以讓自己練習親自去計算分析，才不會到最後還是習慣聽牌，淪為別人的棋子
1.6K會員
795內容數
這個出版專題的內容能讓大家在實際操作的過程中，看看我是如何克服心魔，或者是無法克服心魔的窘態，正如同災難投資法那本書，並不是一本歌功頌德自己的投資法有多厲害，而是誠實地面對自己如何從不斷的犯錯中，找出問題的關鍵，並逐漸改善自己個性的缺失，也讓自己投資報酬率愈來愈好的過程。
留言0
查看全部
你可能也想看
Google News 追蹤
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
數據洩漏是在機器學習和數據分析中，因不當使用資料而造成的模型性能評估錯誤。這篇文章探討數據洩漏的常見形式及其對模型可靠性的影響，並提供防範措施，如嚴格劃分數據集、僅對訓練集進行預處理和使用交叉驗證。瞭解這些概念有助於構建更穩健的數據驅動模型。
本文探討四個關鍵的分類模型評估指標：準確率、精確率、召回率與 F1-Score。這些指標各自從不同角度反映模型的預測性能，理解它們的定義、計算方式和適用情境，能夠幫助您在數據分析和機器學習項目中做出更優的決策。
本文探討了聚類算法中常用的效果評估指標，包括內部和外部指標，並詳細介紹了輪廓係數、群集內距離平方和（WCSS）及Davies-Bouldin指數三種主要指標的計算方法、優缺點與應用場景。這些指標各有特點，適用於不同的聚類場景，有助於有效評估聚類質量，提升無監督學習的效能。
這篇文章深入探討了數據科學與機器學習中的主要聚類算法，包括 K-means、DBSCAN 和層次聚類。介紹了每種算法的工作原理、優缺點及其適用場景，幫助讀者理解何時選擇何種聚類技術。本文還提供了相關的程式碼範例，方便讀者進一步學習與實踐。
虛擬變數陷阱（Dummy Variable Trap）是指在進行One-Hot Encoding時，生成的虛擬變數之間存在完全多重共線性，影響回歸模型的準確性。透過具體的例子，本文探討瞭如何避免這個陷阱，以提升機器學習模型的效果與穩定性。
學術研究一直以來都是推動知識進步和社會發展的關鍵因素之一。然而，在數位時代，僅僅進行研究並不足以確保其影響力和可見性。這就是為什麼學術研究機構和研究者們越來越重視資料分析和SEO（搜索引擎優化）的重要性。
2023年，對於資料分析師和科學家的需求持續增加，但目前市場上這些職位的人才卻相對不足。根據美國勞工統計局的數據，分析師的職缺預計在2021年至2031年間將增長23％，遠高於美國所有職位預期的5％增長率。
決定「分析單位」是資料分析執行前，最需要確認的項目；決定了「分析單位」等同於決定分析結果數據呈現方式、解讀和應用方法。讓我們一起了解「分析單位」到底是什麼？什麼會決定分析單位？以及沒有弄清楚分析單位會有什麼影響？
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
數據洩漏是在機器學習和數據分析中，因不當使用資料而造成的模型性能評估錯誤。這篇文章探討數據洩漏的常見形式及其對模型可靠性的影響，並提供防範措施，如嚴格劃分數據集、僅對訓練集進行預處理和使用交叉驗證。瞭解這些概念有助於構建更穩健的數據驅動模型。
本文探討四個關鍵的分類模型評估指標：準確率、精確率、召回率與 F1-Score。這些指標各自從不同角度反映模型的預測性能，理解它們的定義、計算方式和適用情境，能夠幫助您在數據分析和機器學習項目中做出更優的決策。
本文探討了聚類算法中常用的效果評估指標，包括內部和外部指標，並詳細介紹了輪廓係數、群集內距離平方和（WCSS）及Davies-Bouldin指數三種主要指標的計算方法、優缺點與應用場景。這些指標各有特點，適用於不同的聚類場景，有助於有效評估聚類質量，提升無監督學習的效能。
這篇文章深入探討了數據科學與機器學習中的主要聚類算法，包括 K-means、DBSCAN 和層次聚類。介紹了每種算法的工作原理、優缺點及其適用場景，幫助讀者理解何時選擇何種聚類技術。本文還提供了相關的程式碼範例，方便讀者進一步學習與實踐。
虛擬變數陷阱（Dummy Variable Trap）是指在進行One-Hot Encoding時，生成的虛擬變數之間存在完全多重共線性，影響回歸模型的準確性。透過具體的例子，本文探討瞭如何避免這個陷阱，以提升機器學習模型的效果與穩定性。
學術研究一直以來都是推動知識進步和社會發展的關鍵因素之一。然而，在數位時代，僅僅進行研究並不足以確保其影響力和可見性。這就是為什麼學術研究機構和研究者們越來越重視資料分析和SEO（搜索引擎優化）的重要性。
2023年，對於資料分析師和科學家的需求持續增加，但目前市場上這些職位的人才卻相對不足。根據美國勞工統計局的數據，分析師的職缺預計在2021年至2031年間將增長23％，遠高於美國所有職位預期的5％增長率。
決定「分析單位」是資料分析執行前，最需要確認的項目；決定了「分析單位」等同於決定分析結果數據呈現方式、解讀和應用方法。讓我們一起了解「分析單位」到底是什麼？什麼會決定分析單位？以及沒有弄清楚分析單位會有什麼影響？