网站诊断界有个名词“火眼金睛”，就是人们通过简单的观察就能诊断出网站中存在的各种问题。如果问答社区，在回答有问题，是哪个公司的什么问题等方面做得不够到位，人们就可以迅速发现。那么到底有哪些关键词，可以作为判断某个问题需要哪个业务主体处理的信号源呢？自然是业务公司了。但是，公司太多了，分散的主体数量太多，看起来会很复杂。我们可以换个角度，跟业务主体的管理者去取得联系，看看这些业务主体在每个月可以完成多少工作。如果公司规模比较大，那么，假设数据量很大，也可以利用函数做重复统计，一年的数据量也是不少的。当然，如果企业规模太小，不规范，数据量大不大没那么明显。如果跟工厂取得联系，可以用去筛选重复工作，比较复杂的是筛选的个数太多，不方便处理。综上，一年的数据量，大概万行数据，如果要做深入分析的话，那么，工作量就太大了。关于工作量，也是选择独立网站数据，还是通过链接形式，二者之间差距太大。小密圈推荐：网站诊断、数据分析流程、数据分析师工作，函数的作用详解

谢邀。今天看了点项目的数据，把一些经验分享下。既然是要对常见的几个问题作出排序，那么数据集这个工具用处不是特别大，重要的是如何把多个检测模型对应的答案，输出结果，甚至是实际上的结果。这个才是数据分析的关键。也就是说，如何对指标进行再处理，比如如何使用平衡表计算函数对特征、模型、监督进行处理。另外要考虑时效性，以便于读者可以把握数据规律与其解释。、数据集分析中一定要解决的问题分类问题和聚类问题是一致的，但是其回归分析属于不同的分析方法。首先要弄清楚的是，不同的维度可以做什么，有什么意义，以及几个维度之间有什么关系，往往这些问题是不可数，如可以一个维度一个维度设定，但是数量一定要固定。而常用的是加权聚类以及根据需要设定，nn，rrnrnn，可能没有什么意义但是有帮助。、来源不错，但是如果上手实践的话，新手很可能面临的问题是知道自己的维度该怎么设定，但是实践出问题。比如我上一段分析工作最后又处理了一下rn，但是没有发现问题，但是等到我分析某个的时候，我可能就不能用做聚类了。解决办法是配合解决，具体需要去感知各个维度的量级，以及别的问题都是同一个维度，那么用进行聚类。、以模型为例，不考虑细节，其实更大一个问题不在于用什么模型，而在于怎么用模型解决问题，实际问题找到了，基本上就上手了。