作者归档 | Matthew Mayo

数据清洗：无论你喜欢与否，你都可能花费大量时间在这上面。这是我们工作的一部分。不先清洗数据，就无法理解、分析或建模。因此，准备好可复用的数据清洗工具至关重要。为此，这里有 5 个 DIY 函数 […]

引言 机器学习新手几乎立刻就会发现一件事：并非所有数据集都是一样的。现在这可能对你来说显而易见，但在处理真实世界的数据集之前，你是否考虑过这一点？举个例子，某个类别的数据量远超其他类别，例如 […]

引言 在任何数据科学项目中，为你的数据选择合适的机器学习模型都至关重要。你选择的模型将对从数据中获得的洞见产生重大影响，并最终决定项目的实用性。在本文中，我们旨在提供实用技巧，以帮助 […]

引言 部署机器学习模型是将人工智能技术和系统应用于现实世界的重要环节。不幸的是，模型部署之路可能充满坎坷。部署过程通常伴随着各种挑战，这些挑战与将一个训练好的模型——漫长数据准备过程的结晶——付诸实践有关 […]

引言 在机器学习中，不完美的数据是常态而非例外。同样常见的是二元类别不平衡问题，即训练数据中的多数类/少数类比例失衡或存在中度倾斜。不平衡的数据可能会通过产生模型选择偏差来破坏机器学习模型。因此，为了模型性能和 […]

引言 分类算法是数据科学的核心，帮助我们将数据分类并组织到预定义的类别中。这些算法被广泛应用于各种场景，从垃圾邮件检测、医疗诊断到图像识别和客户画像。正因如此，数据科学新手必须了解 […]