系列内容为笔者结合R语言学习多元统计分析的笔记。简书的markdown编辑器方便易用，节省了大量排版、格式修改的时间。
课程网址为：https://www.icourse163.org/course/XMU-1206305809#/info
STRCTURE
1.定义
2.方法简介
3.应用领域
1.定义
2.方法简介
2.1数据描述：ch2
2.2统计推断:ch4
2.3 经典降维：简化数据结构,ch6,7
用少数几个变量代替原有的数目庞大的变量，把重复的信息合并起来，既可以降低现有变量的维度，又不会丢失掉重要信息的思想，就称为降维。经典降维方法包括主成分分析 (Principal component analysis, PCA) 和因子分析(Factor analysis)
- 主成分分析主要用于构造“综合指标”，以将原始数据最大程度地区分开
因子分析旨在用一个变量（公因子）代替原始高度相关的某几个变量
降维图解
2.4 目标归类：根据数据特征构造归类模式,ch5,8
- 有监督学习范畴的分类问题（classification）：用历史数据寻找分类规则，即判别分析(Discrimination)，将新个体按照分类规则归至某一类(Classification）
- 无监督学习范畴的聚类分析（clustering）：定义刻画多元数据相似性/差异性的距离(Distance)， 将“相似”的个体聚在一起作为一类(Cluster)
3.应用领域
John Tukey:The best thing about being a statistician is that you get to play in everyone else's backyard.
以实践生活中的营销为例，多元分析可以帮到我们什么？
- 预测新的购买趋势：建立模型，预测未知值
- 锁定忠实客户：分类问题
- 发掘潜在顾客：分类问题
- 精准营销、市场细分：聚类问题
多元分析的数据分析路线
