入门 | 做数据科学如烤蛋糕?不服来看

机器之心 2018-10-15

选自 goodaudience

作者:Azika Amelia

机器之心编译

参与:高璇、王淑婷


数据科学是什么,用来干什么?数据科学使用数学和不同的机器学习方法(也称算法)来实现不同目的。具体来讲,就和烤蛋糕的原理有些类似,至于怎么个类似法,请看作者的详细解说 ↓↓↓


面部识别、自动驾驶、机器人统治世界?!还有那个令人毛骨悚然的机器人女孩,索菲亚。emmm…还有黑镜?


我们想知道它们都是怎么工作的。「这全是人工智能。」是的。但我们想知道更多。


数据科学、人工智能、大数据、机器学习等都是最近的热门词汇。它们大多与谷歌、苹果和亚马逊等大型科技公司有关。


幸运的是,你不用成为一名数据科学家就能对数据科学有所了解。只要你对此热爱、好奇即可。


什么是数据科学?


要事第一!


向亚马逊的聊天机器人寻求答案


数据科学使用数学和不同的机器学习方法(也称算法)来实现不同目的。


机器学习(ML)是编写计算机程序的科学和艺术,它使计算机具有了学习能力。你的计算机现在可以从它观察到的数据中学习,而不是像在传统计算机程序中那样盲目地遵循一套固定规则。你骂电脑是笨蛋的日子一去不复返了。


但是数据科学在哪里发挥作用呢?就在我们身边。Facebook 给你推荐可能认识的人、Youtube 预测股票市场价格的推荐系统,都需要数据科学。


数据科学按照一系列步骤来获得这些答案,而使用机器学习算法只是其中之一。


数据科学流程综述


我们要明白这样一个事实:无论电脑学什么,它都是从数据中学习。将数据视为配料、数据预处理视为食谱、机器学习算法视为烤箱、最终结果视为蛋糕。蛋糕的美味程度取决于原料的质量、食谱和烤箱温度设置。同样地,数据的质量非常重要,你采用的方法也是如此。


数据科学流程抽象图


数据和数据预处理


因此,第一步是收集数据并进行处理。就像你要买食材一样。


还需要确保数据与将要解决的问题相关。弄清楚需要多少数据,以及数据的形式(或格式),就像做蛋糕你要方糖还是砂糖?真实世界的数据集通常以表格形式显示,例如.xls、.csv 或.json 等。


有大量不同的算法可以帮助你进行数据清理和预处理。训练模型的数据会极大地影响模型性能。就像食谱决定蛋糕的味道。


数据集类型


数据集是以适当格式收集所有示例的集合。它可以是一个*标注的*数据集,也可以是一个*未标注的*数据集。


标注的数据集是指具有特征值及其结果的数据集。而未标注的数据集中只有特征值。


特征好比不同的食材,如:牛奶、黄油、糖和鸡蛋是四个不同的特征。这些特征的结果是一个蛋糕。是特征帮你得到结果。


这是真实数据集的样子:


用于预测房价的标注数据集


选择机器学习算法


一旦数据集准备好了,就该使用机器学习算法了。这就是把蛋糕糊放进烤箱。


数据集和标签帮助你确定使用哪种算法。就像如果你想做一些冰淇淋,你需要的不是烤箱而是冰箱。你的配料和配方也会改变。


可供选择的算法


训练、测试、预测!


只学习测试中会出现的题目,你绝对会通过测试。但遇到没见过的题,就不会考得很好了。我们希望模型即使在没见过的例子上也能表现得很好。为了确保这一点,我们采用了一种技术。


我们将数据集分为两组:训练集和测试集。通常以 7:3 的比例来划分,这样有利于训练。


我们的模型仅从训练集的例子中学习。这样划分数据集可以帮助我们评估模型表现,明确提升空间。


训练-测试分解图


测试很简单。你问,模型答,然后给模型打分。它起作用是因为你是在未见过的例子上评估模型。通过的标准取决于你的需求。通常 80% 的通过率是可以达到的。


如果模型在第一次尝试中失败,不要失望,因为在最初的尝试中失败是很正常的。这是因为开始时你总是使用较简单的方法,然后根据测试得分,逐渐增加解决方案的复杂性。但在此之前,请重新评估你的数据集以及它的预处理方式。重复此过程,直到模型通过测试。


测试模型


一旦模型通过测试,就可以投入使用。换句话说,它为实时预测做好了准备。


提示:保持测试集中的数据模式与训练集中的数据模式相同。


数据可视化


既然你已经烤好了蛋糕,而且看起来很好吃,那就该上桌了。也许可以加一些糖霜,把它放在一个漂亮的托盘里等等。让它看起来更美味。


这就是数据可视化。通过制作图表,你可以利用不同的数据可视化技术向受众传达你对数据的理解。数据可视化可以在任何阶段进行,你可以在训练集中绘制现有的基础图案。



就像我说的,你不用成为数据科学家就能对数据科学有所了解。希望你喜欢我刚烤好的「蛋糕」。🍰😋


这是我写的第一篇博客。我最近开始了数据科学家的职业生涯。我觉得每个人——即使没有技术背景——都应该了解数据科学的基础知识。但是,大多数数据科学文章都充斥着技术术语,让外行人读起来佶屈聱牙,希望这篇文章能对你有所帮助。


原文链接:https://blog.goodaudience.com/data-science-a-piece-of-cake-92a70232e71f




本文为机器之心编译,转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com

投稿或寻求报道:content@jiqizhixin.com

广告 & 商务合作:bd@jiqizhixin.com

    本站仅按申请收录文章,版权归原作者所有
    如若侵权,请联系本站删除
    觉得不错,分享给更多人看到