1. 程式人生 > >《BI那點兒事》運用標準計分和離差——分析三國超一流統帥綜合實力排名 絕對客觀,資料說話

《BI那點兒事》運用標準計分和離差——分析三國超一流統帥綜合實力排名 絕對客觀,資料說話

資料分析基礎概念:
標準計分
1、無論作為變數的滿分為幾分,其標準計分的平均數勢必為0,而其標準差勢必為1。
2、無論作為變數的單位是什麼,其標準計分的平均數勢必為0,而其標準差勢必為1。
公式為:

離差:離差就是應用標準計分所得的數值。
1、無論作為變數的滿分為幾分,其離差的平均數勢必為50,而其標準差勢必為10。
2、無論作為變數的單位是什麼,其標準計分的平均數勢必為50,而其標準差勢必為10。
公式為:離差=標準計分*10+50
建立資料分析環境:

SELECT TOP 1
        *
FROM    FactSanguo11
ORDER BY 統率 DESC
SELECT TOP 1
        *
FROM FactSanguo11 ORDER BY 武力 DESC SELECT TOP 1 * FROM FactSanguo11 ORDER BY 智力 DESC SELECT TOP 1 * FROM FactSanguo11 ORDER BY 政治 DESC SELECT TOP 1 * FROM FactSanguo11 ORDER BY 魅力 DESC

結果集為:

各類TOP1人物分別為:統率:司馬懿 武力:呂布 智力:諸葛亮 政治:荀彧 魅力:劉備

姓名

指標

單項計分

單項排名

司馬懿

統率

98

1

呂布

武力

100

1

諸葛亮

智力

100

1

荀彧

政治

98

1

劉備

魅力

99

1

計算出平均數、標準差:

DECLARE @t TABLE
    (
      Title NVARCHAR(10) ,
      N1 NUMERIC(9, 2) ,
      N2 NUMERIC(
9, 2) ) INSERT INTO @t ( Title , N1 , n2 ) SELECT N'統率' , AVG(統率) , STDEV(統率) FROM FactSanguo11 UNION ALL SELECT N'武力' , AVG(武力) , STDEV(武力) FROM FactSanguo11 UNION ALL SELECT N'智力' , AVG(智力) , STDEV(智力) FROM FactSanguo11 UNION ALL SELECT N'政治' , AVG(政治) , STDEV(政治) FROM FactSanguo11 UNION ALL SELECT N'魅力' , AVG(魅力) , STDEV(魅力) FROM FactSanguo11 SELECT * FROM @t

結果集為:

計算過程如下表:

姓名

標準計分

離差

單項計分

排名

司馬懿

(98-57.49)/22.23

=1.82

1.82*10+50

=68.2

98

4 統率

呂布

(100-55.14)/24.73

=1.81

1.81*10+50

=68.1

100

5 武力

諸葛亮

(100-58.85)/20.49

=2.01

2.01*10+50

=70.1

100

2 智力

荀彧

(98-56.56)/22.14

=1.87

1.87*10+50

=68.7

98

3 政治

劉備

(99-59.47)/19

=2.08

2.08*10+50

=70.8

99

1 魅力

各項指標權重排名為:1 魅力 2 智力 3 政治 4 統率 5 武力

我們再來比較一下三國超一流統帥綜合實力排名—終極版:
建立分析環境:

SELECT  姓名 ,
        ( 統率 - 57.49 ) / 22.23 + ( 武力 - 55.14 ) / 24.73 + ( 智力 - 58.85 )
        / 20.49 + ( 政治 - 56.56 ) / 22.14 + ( 魅力 - 59.47 ) / 19.00 AS 最終得分
FROM    FactSanguo11
ORDER BY ( 統率 - 57.49 ) / 22.23 + ( 武力 - 55.14 ) / 24.73 + ( 智力 - 58.85 )
        / 20.49 + ( 政治 - 56.56 ) / 22.14 + ( 魅力 - 59.47 ) / 19.00 DESC 

TOP 15結果集如下:

三國是個特殊的年代,最聰明的人最能反映這個政治集團的實力,根據各項計算,人物綜合實力最終排名為:曹操、周瑜、司馬懿、陸遜、諸葛亮、呂蒙、關羽、孫堅、鄧艾、羊祜、陸抗、姜維、孫策、魯肅、孫權。
附圖:

相關推薦

BI點兒運用標準計分——分析三國超一流統帥綜合實力排名 絕對客觀資料說話

資料分析基礎概念:標準計分: 1、無論作為變數的滿分為幾分,其標準計分的平均數勢必為0,而其標準差勢必為1。2、無論作為變數的單位是什麼,其標準計分的平均數勢必為0,而其標準差勢必為1。公式為: 離差:離差就是應用標準計分所得的數值。1、無論作為變數的滿分為幾分,其離差的平均數勢必為50,而其標準差勢必為1

BI點兒》SSRS圖表儀表——雷達圖分析三國超一流謀士、統帥資料(圖文並茂)

雷達圖分析三國超一流謀士、統帥資料,獻給廣大的三國愛好者們,希望喜歡三國的朋友一起討論,加深對傳奇三國時代的瞭解 建立資料環境: -- 抽取三國超一流謀士TOP 10資料 DECLARE @t1 TABLE ( [姓名] NVARCHAR(255) , [統率]

BI點兒》Microsoft 決策樹演算法——找出三國武將特性分佈獻給廣大的三國愛好者們

根據遊戲《三國志11》武將資料,利用決策樹分析,找出三國武將特性分佈。其中變數包括統率、武力、智力、政治、魅力、身分。變數說明:統率:武將帶兵出征時的部隊防禦力。統帥越高受到普通攻擊與兵法攻擊越少。武力:武將帶兵出征時的部隊攻擊力,武力越高發動兵法或者普通攻擊時對地方部隊的傷害就越高;並且當發動單挑時雙方武將

BI點兒》Microsoft 順序分析聚類分析演算法

Microsoft 順序分析和聚類分析演算法是由 Microsoft SQL Server Analysis Services 提供的一種順序分析演算法。您可以使用該演算法來研究包含可通過下面的路徑或“順序”連結到的事件的資料。該演算法通過對相同的順序進行分組或分類來查詢最常見的順序。下面是一些順序示例:

BI點兒》Microsoft 線性迴歸演算法

Microsoft 線性迴歸演算法是 Microsoft 決策樹演算法的一種變體,有助於計算依賴變數和獨立變數之間的線性關係,然後使用該關係進行預測。該關係採用的表示形式是最能代表資料序列的線的公式。例如,以下關係圖中的線是資料最可能的線性表示形式。 關係圖中的每個資料點都有一個與該資料點與迴歸線之間距離關

BI點兒資料探勘各類演算法——準確性驗證

準確性驗證示例1:——基於三國志11資料庫 資料準備: 挖掘模型:依次為:Naive Bayes 演算法、聚類分析演算法、決策樹演算法、神經網路演算法、邏輯迴歸演算法、關聯演算法提升圖: 依次排名為: 1. 神經網路演算法(92.69% 0.99)2. 邏輯迴歸演算法(92.39% 0.99)3. 決策

BI點兒》淺析十三種常用的資料探勘的技術

一、前沿 資料探勘就是從大量的、不完全的、有噪聲的、模糊的、隨機的資料中,提取隱含在其中的、人們事先不知道的但又是潛在有用的資訊和知識的過程。資料探勘的任務是從資料集中發現模式,可以發現的模式有很多種,按功能可以分為兩大類:預測性(Predictive)模式和描述性(Descriptive)模式。在應用

BI點兒資料探勘初探

什麼是資料探勘? 資料探勘(Data Mining),又稱資訊發掘(Knowledge Discovery),是用自動或半自動化的方法在資料中找到潛在的,有價值的資訊和規則。 資料探勘技術來源於資料庫,統計和人工智慧。 資料探勘能夠做什麼 對企業中產生的大量的資料進行分析,找出其中潛藏的規

BI點兒》Microsoft 神經網路演算法

Microsoft神經網路是迄今為止最強大、最複雜的演算法。要想知道它有多複雜,請看SQL Server聯機叢書對該演算法的說明:“這個演算法通過建立多層感知神經元網路,建立分類和迴歸挖掘模型。與Microsoft決策樹演算法類似,在給定了可預測屬性的每個狀態時, Microsoft神經網路演算法計算輸入屬性

BI點兒資料流轉換——查詢轉換

查詢轉換通過聯接輸入列中的資料和引用資料集中的列來執行查詢。是完全匹配查詢。在源表中查詢與字表能關聯的所有源表記錄。準備資料。源表 T_QualMoisture_Middle_Detail字典表 T_DIC_QualProcess資料流任務設計圖: 設計步驟: (adsbygo

BI點兒資料流轉換——多播、Union All、合併、合併聯接

建立測試資料: CREATE TABLE FactResults ( Name VARCHAR(50) , Course VARCHAR(50) , Score INT ) INSERT INTO FactResults

BI點兒資料探勘的主要方法

一、迴歸分析目的:設法找出變數間的依存(數量)關係, 用函式關係式表達出來。所謂迴歸分析法,是在掌握大量觀察資料的基礎上,利用數理統計方法建立因變數與自變數之間的迴歸關係函式表示式(稱迴歸方程式)。迴歸分析中,當研究的因果關係只涉及因變數和一個自變數時,叫做一元迴歸分析;當研究的因果關係涉及因變數和兩個或兩個

BI點兒資料的藝術》理解維度資料倉庫——事實表、維度表、聚合表

事實表 在多維資料倉庫中,儲存度量值的詳細值或事實的表稱為“事實表”。一個按照州、產品和月份劃分的銷售量和銷售額儲存的事實表有5個列,概念上與下面的示例類似。  Sate Product Mouth Units Dollars

BI點兒》Microsoft 決策樹演算法

Microsoft 決策樹演算法是由 Microsoft SQL Server Analysis Services 提供的分類和迴歸演算法,用於對離散和連續屬性進行預測性建模。對於離散屬性,該演算法根據資料集中輸入列之間的關係進行預測。它使用這些列的值(也稱之為狀態)預測指定為可預測的列的狀態。具體地說,該演

BI點兒資料流轉換——OLE DB 命令轉換

OLE DB命令對資料流中的資料行執行一個OLE DB命令。它針對資料表中的每一行進行更新操作,可以事先將要更新的資料存放在表中。或者針對一個有輸入引數的儲存過程,可以將這些引數存放在一個數據表中,不用每次都輸入引數。示例資料準備: CREATE TABLE SourceParametersForSt

BI點兒》ETL中的關鍵技術

ETL(Extract/Transformation/Load)是BI/DW的核心和靈魂,按照統一的規則整合並提高資料的價值,是負責完成資料從資料來源向目標資料倉庫轉化的過程,是實施資料倉庫的重要步驟。 ETL過程中的主要環節就是資料抽取、資料轉換和加工、資料裝載。為了實現這些功能,各個ETL工具一般會

BI點兒》SQL Server 2008體系架構

Microsoft SQL Server是一個提供了聯機事務處理、資料倉庫、電子商務應用的資料庫和資料分析的平臺。體系架構是描述系統組成要素和要素之間關係的方式。Microsoft SQL Server系統的體系結構是對Microsoft SQL Server的主要組成部分和這些組成部分之間關係的描述。Mic

BI點兒》Cube的儲存

關係 OLAP (ROLAP)ROLAP的基本資料和聚合資料均存放在關係資料庫中;ROLAP 儲存模式使得分割槽的聚合儲存在關係資料庫的表(在分割槽資料來源中指定)中。但是,可為分割槽資料使用 ROLAP 儲存模式,而不在關係資料庫中建立聚合。使用 ROLAP 的維度的資料實際上儲存在用於定義維度的表中。相對

BI點兒資料流轉換——排序

排序轉換允許對資料流中的資料按照某一列進行排序。這是五個常用的轉換之一。連線資料來源開啟編輯介面,編輯這種任務。不想設定為排序列的欄位不要選中,預設情況下所有列都會選中。如圖所示,按照TotalSugar_Cnt排序,並將所有列輸出。 在底部的表格中,可以設定輸出列的別名,是否按照列來排序。Sort Ord

BI點兒三國資料分析系列——蜀漢五虎上將與魏五子良將武力分析絕對的經典分析

獻給廣大的三國愛好者們,希望喜歡三國的朋友一起討論,加深對傳奇三國時代的瞭解 資料分析基礎概念:集中趨勢分析是指在大量測評資料分佈中,測評資料向某點集中的情況。總體(population)是指客觀存在的,並在同一性質的基礎上結合起來的許多個別單位的整體,即具有某一特性的一類事物的全體,又叫母體或全域。簡單地