做數(shù)據(jù)科學(xué)如烤蛋糕？不服來看
2018-10-16 來源：raincent
數(shù)據(jù)科學(xué)是什么，用來干什么?數(shù)據(jù)科學(xué)使用數(shù)學(xué)和不同的機(jī)器學(xué)習(xí)方法(也稱算法)來實(shí)現(xiàn)不同目的。具體來講，就和烤蛋糕的原理有些類似，至于怎么個(gè)類似法，請看作者的詳細(xì)解說 ↓↓↓
面部識別、自動(dòng)駕駛、機(jī)器人統(tǒng)治世界?!還有那個(gè)令人毛骨悚然的機(jī)器人女孩，索菲亞。emmm…還有黑鏡?
我們想知道它們都是怎么工作的�！高@全是人工智能�！故堑摹５覀兿胫栏�。
數(shù)據(jù)科學(xué)、人工智能、大數(shù)據(jù)、機(jī)器學(xué)習(xí)等都是最近的熱門詞匯。它們大多與谷歌、蘋果和亞馬遜等大型科技公司有關(guān)。
幸運(yùn)的是，你不用成為一名數(shù)據(jù)科學(xué)家就能對數(shù)據(jù)科學(xué)有所了解。只要你對此熱愛、好奇即可。
什么是數(shù)據(jù)科學(xué)?
要事第一!
向亞馬遜的聊天機(jī)器人尋求答案
數(shù)據(jù)科學(xué)使用數(shù)學(xué)和不同的機(jī)器學(xué)習(xí)方法(也稱算法)來實(shí)現(xiàn)不同目的。
機(jī)器學(xué)習(xí)(ML)是編寫計(jì)算機(jī)程序的科學(xué)和藝術(shù)，它使計(jì)算機(jī)具有了學(xué)習(xí)能力。你的計(jì)算機(jī)現(xiàn)在可以從它觀察到的數(shù)據(jù)中學(xué)習(xí)，而不是像在傳統(tǒng)計(jì)算機(jī)程序中那樣盲目地遵循一套固定規(guī)則。你罵電腦是笨蛋的日子一去不復(fù)返了。
但是數(shù)據(jù)科學(xué)在哪里發(fā)揮作用呢?就在我們身邊。Facebook 給你推薦可能認(rèn)識的人、Youtube 預(yù)測股票市場價(jià)格的推薦系統(tǒng)，都需要數(shù)據(jù)科學(xué)。
數(shù)據(jù)科學(xué)按照一系列步驟來獲得這些答案，而使用機(jī)器學(xué)習(xí)算法只是其中之一。
數(shù)據(jù)科學(xué)流程綜述
我們要明白這樣一個(gè)事實(shí)：無論電腦學(xué)什么，它都是從數(shù)據(jù)中學(xué)習(xí)。將數(shù)據(jù)視為配料、數(shù)據(jù)預(yù)處理視為食譜、機(jī)器學(xué)習(xí)算法視為烤箱、最終結(jié)果視為蛋糕。蛋糕的美味程度取決于原料的質(zhì)量、食譜和烤箱溫度設(shè)置。同樣地，數(shù)據(jù)的質(zhì)量非常重要，你采用的方法也是如此。
數(shù)據(jù)科學(xué)流程抽象圖
數(shù)據(jù)和數(shù)據(jù)預(yù)處理
因此，第一步是收集數(shù)據(jù)并進(jìn)行處理。就像你要買食材一樣。
還需要確保數(shù)據(jù)與將要解決的問題相關(guān)。弄清楚需要多少數(shù)據(jù)，以及數(shù)據(jù)的形式(或格式)，就像做蛋糕你要方糖還是砂糖?真實(shí)世界的數(shù)據(jù)集通常以表格形式顯示，例如.xls、.csv 或.json 等。
有大量不同的算法可以幫助你進(jìn)行數(shù)據(jù)清理和預(yù)處理。訓(xùn)練模型的數(shù)據(jù)會(huì)極大地影響模型性能。就像食譜決定蛋糕的味道。
數(shù)據(jù)集類型
數(shù)據(jù)集是以適當(dāng)格式收集所有示例的集合。它可以是一個(gè)*標(biāo)注的*數(shù)據(jù)集，也可以是一個(gè)*未標(biāo)注的*數(shù)據(jù)集。
標(biāo)注的數(shù)據(jù)集是指具有特征值及其結(jié)果的數(shù)據(jù)集。而未標(biāo)注的數(shù)據(jù)集中只有特征值。
特征好比不同的食材，如：牛奶、黃油、糖和雞蛋是四個(gè)不同的特征。這些特征的結(jié)果是一個(gè)蛋糕。是特征幫你得到結(jié)果。
這是真實(shí)數(shù)據(jù)集的樣子：
用于預(yù)測房價(jià)的標(biāo)注數(shù)據(jù)集
選擇機(jī)器學(xué)習(xí)算法
一旦數(shù)據(jù)集準(zhǔn)備好了，就該使用機(jī)器學(xué)習(xí)算法了。這就是把蛋糕糊放進(jìn)烤箱。
數(shù)據(jù)集和標(biāo)簽幫助你確定使用哪種算法。就像如果你想做一些冰淇淋，你需要的不是烤箱而是冰箱。你的配料和配方也會(huì)改變。
可供選擇的算法
訓(xùn)練、測試、預(yù)測!
只學(xué)習(xí)測試中會(huì)出現(xiàn)的題目，你絕對會(huì)通過測試。但遇到?jīng)]見過的題，就不會(huì)考得很好了。我們希望模型即使在沒見過的例子上也能表現(xiàn)得很好。為了確保這一點(diǎn)，我們采用了一種技術(shù)。
我們將數(shù)據(jù)集分為兩組：訓(xùn)練集和測試集。通常以 7:3 的比例來劃分，這樣有利于訓(xùn)練。
我們的模型僅從訓(xùn)練集的例子中學(xué)習(xí)。這樣劃分?jǐn)?shù)據(jù)集可以幫助我們評估模型表現(xiàn)，明確提升空間。
訓(xùn)練-測試分解圖
測試很簡單。你問，模型答，然后給模型打分。它起作用是因?yàn)槟闶窃谖匆娺^的例子上評估模型。通過的標(biāo)準(zhǔn)取決于你的需求。通常 80% 的通過率是可以達(dá)到的。
如果模型在第一次嘗試中失敗，不要失望，因?yàn)樵谧畛醯膰L試中失敗是很正常的。這是因?yàn)殚_始時(shí)你總是使用較簡單的方法，然后根據(jù)測試得分，逐漸增加解決方案的復(fù)雜性。但在此之前，請重新評估你的數(shù)據(jù)集以及它的預(yù)處理方式。重復(fù)此過程，直到模型通過測試。
測試模型
一旦模型通過測試，就可以投入使用。換句話說，它為實(shí)時(shí)預(yù)測做好了準(zhǔn)備。
提示：保持測試集中的數(shù)據(jù)模式與訓(xùn)練集中的數(shù)據(jù)模式相同。
數(shù)據(jù)可視化
既然你已經(jīng)烤好了蛋糕，而且看起來很好吃，那就該上桌了。也許可以加一些糖霜，把它放在一個(gè)漂亮的托盤里等等。讓它看起來更美味。
這就是數(shù)據(jù)可視化。通過制作圖表，你可以利用不同的數(shù)據(jù)可視化技術(shù)向受眾傳達(dá)你對數(shù)據(jù)的理解。數(shù)據(jù)可視化可以在任何階段進(jìn)行，你可以在訓(xùn)練集中繪制現(xiàn)有的基礎(chǔ)圖案。
就像我說的，你不用成為數(shù)據(jù)科學(xué)家就能對數(shù)據(jù)科學(xué)有所了解。希望你喜歡我剛烤好的「蛋糕」。
標(biāo)簽： 大數(shù)據(jù) 谷歌
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
