《Pokémon GO》为何这么火？这几个层面你也许没想到丨数据工匠简报（7.18）
《Pokémon GO》为何这么火？这几个层面你也许没想到
最近有个“精灵宝可梦：GO”（或称PMGO）游戏相当火爆，据说任天堂股票因此狂涨25%触发熔断机制，对股票有了解的人都明白这意味着什么。是的，游戏成功了，非常成功而且可以预见它会继续成功、赢得更大的胜利。于是就有人说，这游戏怎么早没人做？不用想都知道肯定火啊！
可以确定，这位互联网评论师不是游戏业从业者，他不明白PMGO火起来的真正原因。AR的《Pokemon GO》为什么火？
回归XY | 数据江湖：回归五式之第五式（生存回归）
大家好，我是王汉生。
各位英雄豪杰，大家有没有觉得时间过得好快啊。转眼之间，熊大闯荡数据江湖的看家本领：回归5式，已经给大家传授了4式了。不知道大家功夫是否有所精进。今天呀，我将为大家吐血传授最后一式，也是最难的，最挑战的一式：生存回归。也叫做：生存数据回归分析。简单滴说，也就是以生存数据为因变量的回归分析方法。在具体讲述之前，必要的复习是必不可少的。老祖宗说了：温故而知新嘛。
复习一下，什么是回归分析？回归分析就是关于XY相关性的分析。那么，不同的回归模型的核心区别在哪里？答：在于因变量的数据类型。具体而言，线性回归啊要求因变量是连续型数据，逻辑回归要求因变量是0-1型数据，定序回归要求定序型因变量，而泊松回归的因变量必须是计数型数据。而今天要给大家传授的这个生存回归，它要求因变量是生存数据。
深度｜Science：大数据时代的网络分析，如何全盘挖掘大数据？（附文章）
摘要：网络是理解和建模物理、生物、神经科学、工程学和社会科学中复杂系统的基础工具。许多网络以展现出能够在单个节点和边的水平上被获取的丰富、低阶连接模式著称。但是，大部分复杂网络的高阶组织——在小型网络子图（subgraph）水平上——在很大程度上仍然未知。我们开发出了一种通用框架（generalized framework），用于在高阶连接模式基础上聚类网络。该框架为已获聚类的最优性提供了数学保证，并能扩展到带有数十亿个边的网络。该框架也揭示了许多网络的高阶组织，包括神经元网络的信息传播单元和交通运输网络的枢纽结构。结果表明，这些网络展现出了丰富的高阶组织结构，该结构可以在高阶连接模式的基础上通过聚类的方式揭露出来。
以上简讯由数据工匠提供，感兴趣的小伙伴可以通过扫描简报后的二维码链接原文，更多数据科学资讯尽在数据工匠，扫码关注Datartisan数据工匠公众号！如果你看到什么与“数据科学”有关的好文或者信息科技优质的文章，可以随手转发给我们，让更多热爱数据科学的小伙伴一起成长！
