
數(shù)據(jù)科學(xué)能回答什么樣的問題
機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)的發(fā)動機(jī)。每種機(jī)器學(xué)習(xí)方法(也稱為算法)獲取數(shù)據(jù),反復(fù)咀嚼,輸出結(jié)果。機(jī)器學(xué)習(xí)算法負(fù)責(zé)數(shù)據(jù)科學(xué)里最難以解釋又最有趣的部分。數(shù)學(xué)的魔法在此發(fā)生。
機(jī)器學(xué)習(xí)算法可以根據(jù)它們所回答的問題分成幾組。這種分組能夠在你提煉問題時幫助思考。
A類還是B類?
這組算法被稱為二類分類( two-class classification )。適用于任何有兩個可能選項(xiàng)的問題:是或否、開或關(guān)、吸煙或不吸煙、買或不買。許多數(shù)據(jù)科學(xué)問題看起來是這種形式,或者可以被組織成這種形式。這是最簡單也最常提到的數(shù)據(jù)科學(xué)問題。幾個典型的例子:
A類、B類、C類還是D類?
這組算法被稱作多類分類( multi-class classification )。如同名字所示,這組算法回答有多個可能答案的問題:哪種口味、哪個人、哪個部分、哪個公司、哪位候選人。大多數(shù)多類分類算法只是二類分類算法的延伸。一些典型例子如下:
是否異常?
這組算法進(jìn)行異常檢測( anomaly detection )。它們識別出異常的數(shù)據(jù)點(diǎn)。如果仔細(xì)留意,你會發(fā)現(xiàn)異常檢測看起來像二元分類問題。問題可以用“是”或“否”來回答。不同之處時,二元分類假定你已經(jīng)有一些“是”/“不是”的案例。異常檢測則不是這樣。當(dāng)你所尋找的東西如此稀少(如設(shè)備失靈),以至于沒能收集太多有關(guān)案例時,異常檢測尤其有用。 當(dāng)“不正?!卑喾N情況時(如信用卡詐騙),異常檢測也很有幫助。一些常見的異常檢測問題:
多少?
當(dāng)你想求一個數(shù)字,而不是一個分級或類別,此時要用到的是回歸。
通常來說,回歸算法給出一個實(shí)值作為答案。答案可能會有小數(shù)或負(fù)數(shù)。對于一些問題,尤其是以“多少個”開頭的問題,負(fù)數(shù)需要被解讀為0,分?jǐn)?shù)要取近似整數(shù)。
多類分類作為回歸問題
有時看似多元分類的問題事實(shí)上比較適合做回歸。比如,“哪個新聞故事對讀者來說更有趣?”看似在詢問類別——新聞故事清單里的一個條目。然而,問題可以重新組織成“對于讀者來說,清單上的每個故事在多大程度上有趣?”給每篇文章一個數(shù)字作為分?jǐn)?shù)。之后就是一個簡單的識別最高分文章問題。這種類型的問題通常以排名或比較形式出現(xiàn)。
二類分類作為回歸問題
并不奇怪,二元分類也可以被轉(zhuǎn)述為回歸問題。(事實(shí)上,一些算法私下把所有二元分類問題轉(zhuǎn)化為回歸。)當(dāng)一個案例可能屬于A或B,或有一定幾率屬于任意一方時,這種方法尤其有幫助。當(dāng)答案可能為部分的“是”或“否”,可能是“開”也可能是“關(guān)”,回歸能夠體現(xiàn)這種情況。這種問題通常由“多大可能”或“多大比例”開頭:
你可能已經(jīng)猜到,二元分類、多類分類、異常檢測和回歸全部是緊密相關(guān)的。它們屬于同一個延伸的家庭,監(jiān)督學(xué)習(xí)。它們有許多相同之處,問題通常能被修改為不止一種形式。它們的共性是,它們都是通過一組加了標(biāo)簽的樣本建立(被稱作“訓(xùn)練”的過程),之后它們能對于無標(biāo)簽的樣本賦予值或類別(被稱作“打分”的過程)。
無監(jiān)督學(xué)習(xí)和增強(qiáng)學(xué)習(xí)的算法家族則有完全不同的數(shù)據(jù)科學(xué)問題。
數(shù)據(jù)是如何構(gòu)成?
有關(guān)數(shù)據(jù)如何構(gòu)成的問題屬于無監(jiān)督學(xué)習(xí)。有許多技術(shù)試圖提煉數(shù)據(jù)的結(jié)構(gòu)。其中一組算法進(jìn)行聚類,也被稱作分塊、分組、聚群、分隔等。它們試圖把一個數(shù)據(jù)集分為一些直覺式的區(qū)塊。聚類與監(jiān)督學(xué)習(xí)的不同之處,是沒有數(shù)字或名稱可以告訴你數(shù)據(jù)點(diǎn)屬于哪個類別,這些分組代表什么,或應(yīng)該有多少個組。如果監(jiān)督學(xué)習(xí)是在夜空群星中挑選出星球,那么聚類就是在構(gòu)造星座。聚類試圖把數(shù)據(jù)分成自然的“叢”,以便作為分析師的人類能更輕易地向他人解釋。聚類一貫依賴于一個緊密度或相似性的定義,如智商差異、相同基因?qū)蝤B瞰直線距離。聚類問題都試著把數(shù)據(jù)分解成近乎一致的群組。
另一組無監(jiān)督學(xué)習(xí)算法叫維度歸約(dimensionality reduction)技術(shù)。維度歸約是另一種簡化數(shù)據(jù)的方式,讓數(shù)據(jù)能更容易傳播,更快速計(jì)算,更容易存儲。
在根本上,維度歸約都是在創(chuàng)造一種描述數(shù)據(jù)點(diǎn)的簡易方法。一個簡單的例子是GPA學(xué)分績點(diǎn)。一個大學(xué)生的學(xué)術(shù)能力,由數(shù)十個課程的數(shù)百場考試和數(shù)千個作業(yè)衡量。每個作業(yè)在某種程度上反映學(xué)生在多大程度上理解課程資料,但一個完整的作業(yè)清單任何招聘者來說都消化不了。幸運(yùn)的是,你可以創(chuàng)造一個簡易方法把所有分?jǐn)?shù)平均在一起??窟@個大型的簡化可以蒙混過關(guān),因?yàn)樵谝豁?xiàng)作業(yè)/課程表現(xiàn)突出的學(xué)生通常在其他作業(yè)/課程依然如此。通過使用學(xué)分績點(diǎn)而不是整個清單,豐富性無疑會受到損失。 比如,你不會知道是否這學(xué)生更擅長數(shù)學(xué)/英文,以及是否她在編程家庭作業(yè)中比隨堂測驗(yàn)表現(xiàn)更好。但卻收獲了簡單,使得談?wù)摵捅容^學(xué)生能力變得容易許多。
維度歸約相關(guān)問題大多有關(guān)傾向于共同變化的因素。
如果目標(biāo)是總結(jié)、簡化、壓縮或提煉一些數(shù)據(jù),要選用的工具就是維度歸約和聚類。
我現(xiàn)在該做什么?
第三個機(jī)器學(xué)習(xí)算法家族重視采取行動。它們被稱為增強(qiáng)學(xué)習(xí)(reinforcement learning)算法。回歸算法能預(yù)測出明天的最高氣溫是37°C,但它無法決定對此做些什么。增強(qiáng)學(xué)習(xí)算法邁向下一步并選擇一種行為,如,趁天氣還涼爽提前為辦公樓高層降溫。
增強(qiáng)學(xué)習(xí)的靈感最早來源于老鼠和人類大腦如何對獎懲做出反應(yīng)。它們采取行動,努力獲得能帶來最高獎勵的行為。你提供給它們一系列可能的選項(xiàng)。它們需要對于某個行為獲得反饋,判斷此行為是好或中性或大錯特錯。
通常增強(qiáng)學(xué)習(xí)算法很適合需要在無人類監(jiān)督下做出許多小決策的自動化系統(tǒng)。電梯、供熱、降溫和燈光系統(tǒng)是不錯的選擇。增強(qiáng)學(xué)習(xí)最初是被開發(fā)用于控制機(jī)器人,以便所有東西能夠自動,不管是偵察無人機(jī)還是真空吸塵器。增強(qiáng)學(xué)習(xí)回答的問題一貫關(guān)于該采取什么行為,盡管這行為通常是由機(jī)器執(zhí)行。
增強(qiáng)學(xué)習(xí)通常需要比其他算法做更多努力,因?yàn)樗c系統(tǒng)的其他部分緊密相連。這里的優(yōu)勢是多數(shù)增強(qiáng)學(xué)習(xí)算法可以在沒有數(shù)據(jù)的情況下開始工作。它們在運(yùn)行中收集數(shù)據(jù),從嘗試和錯誤中學(xué)習(xí)。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03