3
为什么汇总的数据不能说明问题
source link: https://yihui.org/cn/2008/10/useless-aggregated-data/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
为什么汇总的数据不能说明问题
谢益辉 / 2008-10-21
今天 13 点左右 COS 论坛的注册人数显示为 83778 人，我看了一下会员列表，发现一个特征，凡是填了个人主页一栏的几乎都是广告，而且都是一家广告（推广小助手），我就不写网址了，免得帮这帮无耻之徒做了广告。
当我删掉主页中包含这个网址的会员之后，剩下的会员是 65123 人，这两年来他们竟然注册了近两万机器人。
如果再去掉近 35000 没有激活的用户，COS 真实用户数大约为三万人。
乍一看，哇，八万大军，砍掉两万机器人，再砍掉没有激活的，只有 36% 的用户是可能真实的，里面当然还有机器人，只是目前还没有发现他们的特征。三万大军，意味着平均每天有 30 个活人注册，也不错了。
俗话说：数据一汇总，上帝就发笑。
R 代码仅供图形初学者参考：
# png("users.png", width = 500, height = 200)
par(mar = c(2, 0.1, 0.1, 0.1))
x = c(83778, 65123, 30000)
plot(x, 1:3, type = "n", xaxt = "n", yaxt = "n", xlim = c(0,
max(x)), ylim = c(0, 4), ylab = "", xlab = "", bty = "n")
axis(1, c(0, x))
s = 0.4
rect(c(0, 0, x[3]), c(2 - s, 3 - s, 3 - s), c(x[3],
x[3], x[2]), c(2 + s, 3 + s, 3 + s), lty = 3, border = c("green",
"green", "blue"))
rect(c(0, x[3], x[2]), (1:3) - s, rev(x), (1:3) +
s, col = c("green", "blue", "red"))
text(c(x[3], x[3] + x[2], x[2] + x[1])/2, 1:3, c("normal users",
"spammers or confused users", "an ad spammer"), col = "yellow")
text(c(x[3], x[3] + x[2])/2, c(2, 3), paste(round(100 *
c(x[3], x[2] - x[3])/x[1], 2), "%", sep = ""))
# dev.off()
← 关于最小中位数平方法（Least Median of Squares） R 2.8.0 终于又能完美支持中文路径了 →
Disqus
Utterances
Preferences
© Yihui Xie 2005 - 2020
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK