你需要具备哪些数据科学家技能？我在《Doing Data Science: Straight Talk from the Frontline》这本书中读到了一种有趣的数据驱动方法来回答这个问题。在这篇文章中，我将总结这种你可以用来评估你作为数据科学家的优势以及你在哪里可能…… […]
作者归档 | Jason Brownlee
利用探索性数据分析理解你的问题并获得更好的结果
在应用机器学习中，你经常需要在不同问题之间切换，并且需要快速掌握新数据集。一种经典但被低估的方法是探索性数据分析（Exploratory Data Analysis），你可以利用它来快速建立与新数据问题的联系。在这篇文章中，你将了解探索性数据分析 (EDA)， […]
数据管理很重要，为什么你需要认真对待它
我们生活在一个数据泛滥的世界。互联网跟踪、股市波动、基因组测序技术及其类似技术都会产生海量数据。其中大部分数据是别人的责任，由别人生成，存储在别人的数据库中，而这些数据库是由……你猜对了……别人维护和提供的。但是 […]
如何成为一名数据科学家
如何成为一名数据科学家？我认为这真的取决于你现在所处的位置以及你想作为数据科学家做什么。尽管如此，DataCamp 最近发布了一个信息图，描述了成为数据科学家的 8 个简单步骤。在这篇文章中，我想重点介绍并回顾 DataCamp 的信息图。 […]
机器学习统计学速成课程
在开始学习和应用机器学习之前，你不需要了解统计学。你今天就可以开始。尽管如此，了解一些统计学知识对于理解机器学习中的术语非常有帮助。当你想要对你的结果做出有力的断言时，了解一些统计学知识最终是必需的。在 […]
为什么我的结果不如我所料？您可能过拟合了
我们都知道运行分析并看到结果如期出现时的满足感：80% 的准确率；85%；90%？我们很容易将我们正在撰写的报告的“结果”部分，然后填入数字。但请稍等：一如既往，事情并非如此简单。屈服于 […]
机器学习问答：概念漂移、改进结果和加速学习
我通过电子邮件收到很多关于机器学习的问题，我很乐意回答。我可以看到人们在做什么，并帮助他们做出改变。（您有关于机器学习的问题吗？请联系我）。在这篇文章中，我将重点介绍我收到的一些有趣的问题 […]
应用机器学习的“Hello World”
机器学习算法的数量庞大，很容易让人不知所措。有太多可供选择，很难知道从哪里开始以及尝试什么。选择可能会让人犹豫不决。你需要克服这种恐惧并开始。没有神奇的书籍或课程可以 […]
如何获得基线结果及其重要性
在我的课程和指南中，我教授在深入研究算法之前准备基线结果。我的一位学生最近问道：如果一个问题没有计算基线，这会不会使其他算法的结果产生疑问？他接着问道：如果其他算法没有获得更高的准确性 […]
通过创建机器学习算法的目标列表来掌控一切
任何关于机器学习的书籍都会列出和描述几十种机器学习算法。一旦你开始使用工具和库，你就会发现更多。如果你认为你需要了解所有可能的算法，这会让你筋疲力尽。一个解决这种感觉并有所作为的简单技巧是 […]