如果您不知道在您的问题上使用什么算法，可以尝试几种。或者，您也可以尝试随机森林和高斯 SVM。在一项近期研究中，这两种算法在与近 200 种其他算法的平均比较中被证明是最有效的。在 […]
更好的朴素贝叶斯：充分利用朴素贝叶斯算法的12个技巧
朴素贝叶斯是一种简单而强大的技术，您应该对其进行测试并在分类问题上使用它。它易于理解，效果良好，并且模型构建和预测速度快。仅凭这些原因，您就应该仔细研究一下该算法。在最近的一篇博客文章中，您 […]
构建机器学习系统的心得体会
在最近的 MLConf 会议上，Xavier Amatriain 介绍了他在 Netflix 担任研究/工程经理期间在构建机器学习系统方面学到的 10 个经验教训。在本文中，您将通过他的演讲和幻灯片的摘要来发现这 10 个经验教训。10 个经验教训 Xavier 提出的 10 个经验教训可以总结为 […]
通过交付成果获得你梦想的机器学习工作
您可以奋起直追，承担起成为一名机器学习从业者和数据科学家的愿望。您必须努力工作，学习技能，并证明您能够交付成果，但您不需要花哨的学位或花哨的背景。在这篇文章中，我想证明这一点 […]
使用 ROC 曲线评估和比较分类器性能
分类器性能最常报告的度量是准确率：获得的正确分类的百分比。此指标的优点是易于理解，并且使比较不同分类器的性能变得微不足道，但它忽略了在诚实评估性能时应考虑的许多因素 […]
评估自己作为一名数据科学家
您需要具备哪些技能才能成为一名数据科学家？我阅读了《数据科学实战：前线直言》一书中一个有趣的数据驱动的方法来回答这个问题。在这篇文章中，我总结了这种您可以用来评估您作为数据科学家的优势以及您可能 […]
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，您经常会从一个问题跳到另一个问题，并且需要快速掌握新数据集。一种经典且被低估的方法是探索性数据分析（EDA），您可以使用它来快速与新的数据问题建立联系。在这篇文章中，您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
我们生活在一个被数据淹没的世界。互联网跟踪、股市动态、基因组测序技术及其类似技术都会产生大量数据。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，并由……您猜对了……别人维护和提供。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 realmente 取决于您现在所处的位置以及您真正想作为数据科学家做什么。尽管如此，DataCamp 最近发布了一张信息图，描述了成为数据科学家的 8 个简单步骤。在这篇文章中，我想重点介绍和回顾 DataCamp 的信息图 […]
机器学习统计学速成课程
您在开始学习和应用机器学习之前，无需了解统计学。您可以立即开始。尽管如此，了解一些统计学知识对于理解机器学习中使用的语言非常有帮助。当您想对您的结果做出有力的声明时，了解一些统计学知识最终是必要的。在 […]