
CDA數(shù)據(jù)分析師 出品
作者:Ivo Bernardo
編譯:Mika
數(shù)據(jù)分析模型有不同的特點(diǎn)和技術(shù),值得注意的是,大多數(shù)高級(jí)的模型都基于幾個(gè)基本原理。
當(dāng)你想開啟數(shù)據(jù)科學(xué)家的職業(yè)生涯時(shí),應(yīng)該學(xué)習(xí)哪些模型呢?本文中我們介紹了6個(gè)在業(yè)界廣泛使用的模型。
目前很多輿論對(duì)機(jī)器學(xué)習(xí)和人工智過度追捧,當(dāng)你想建立預(yù)測(cè)模型時(shí),這會(huì)讓給你不禁思考,是不是只有很高階的技術(shù)才能解決問題。
但當(dāng)你自己試著編程后才會(huì)發(fā)現(xiàn),事實(shí)實(shí)際并非如此。作為一名數(shù)據(jù)工作者,你面臨的很多問題都需要將幾個(gè)模型組合起來解決,而且其中大部分模型已經(jīng)出現(xiàn)了很長(zhǎng)時(shí)間。
而且,即使你要使用先進(jìn)的模型來解決問題,學(xué)習(xí)基本原理會(huì)讓你在大多數(shù)情況中占得先機(jī)。與此同時(shí),了解這些基礎(chǔ)模型的優(yōu)缺點(diǎn)將幫助你在數(shù)據(jù)分析項(xiàng)目取得成功。
下面我們就來具體看看6個(gè)數(shù)據(jù)分析師都應(yīng)該掌握的預(yù)測(cè)模型吧。
線性回歸比較經(jīng)典的模型之一,英國(guó)科學(xué)家Francis Galton在19世紀(jì)就使用了 "回歸 "一詞,并且仍然是使用數(shù)據(jù)表示線性關(guān)系最有效的模型之一。
線性回歸是世界范圍內(nèi),許多計(jì)量經(jīng)濟(jì)學(xué)課程的主要內(nèi)容。學(xué)習(xí)該線性模型將讓你在解決回歸問題有方向,并了解如何用數(shù)學(xué)知識(shí)來預(yù)測(cè)現(xiàn)象。
學(xué)習(xí)線性回歸還有其他好處,尤其是當(dāng)你學(xué)習(xí)了兩種可以獲得最佳性能的方法時(shí):
· 閉式解 一個(gè)神奇的公式,能通過一個(gè)簡(jiǎn)單的代數(shù)方程給出變量的權(quán)重。
· 梯度下降法 面向最佳權(quán)重值的優(yōu)化方法,用于優(yōu)化其他類型的算法。
此外,我們可以用簡(jiǎn)單的二維圖在實(shí)踐中直觀地看到線性回歸,這也使該模型成為理解算法的良好開始。
雖然名為回歸,但邏輯回歸是掌握分類問題的最佳模型。
學(xué)習(xí)邏輯回歸有以下幾點(diǎn)優(yōu)勢(shì):
學(xué)習(xí)完邏輯回歸后,有什么用?你將能夠理解分類問題背后的機(jī)制,以及你如何使用機(jī)器學(xué)習(xí)來分離類別。
屬于這方面的問題如下:
就像線性回歸一樣,邏輯回歸也是一種線性算法。在研究了這兩種算法之后,你將了解線性算法背后的主要局限性,同時(shí)認(rèn)識(shí)到它們無法代表許多現(xiàn)實(shí)世界的復(fù)雜性。
首先要研究的非線性算法應(yīng)該是決策樹。決策樹是一種基于if-else規(guī)則的,相對(duì)簡(jiǎn)單且可解釋的算法,它將讓你很好地掌握非線性算法及其優(yōu)缺點(diǎn)。
決策樹是所有基于樹模型的基礎(chǔ),通過學(xué)習(xí)決策樹,你還將準(zhǔn)備學(xué)習(xí)其他技術(shù),如XGBoost或LightGBM。
而且,決策樹同時(shí)適用于回歸和分類問題,兩者之間的差異最小,選擇影響結(jié)果的最佳變量的基本原理大致相同,你只是換了一個(gè)標(biāo)準(zhǔn)來做。
雖然你了解了回歸中超參數(shù)的概念,如正則化參數(shù),但在決策樹中這是極其重要的,能夠幫你明確區(qū)分模型的好壞。
同時(shí),超參數(shù)在學(xué)習(xí)機(jī)器學(xué)習(xí)的過程中也至關(guān)重要,決策樹能很好地對(duì)其進(jìn)行測(cè)試。
由于決策樹對(duì)超參數(shù)和簡(jiǎn)單假設(shè)的敏感性,決策樹的結(jié)果相當(dāng)有限。當(dāng)你深入了解后,你會(huì)明白決策樹很容易過度擬合,從而得出的模型對(duì)未來缺乏概括性。
隨機(jī)森林的概念非常簡(jiǎn)單。有助于在不同的決策樹之間實(shí)現(xiàn)多樣化,從而提高算法的穩(wěn)健性。
就像決策樹一樣,你可以配置大量的超參數(shù),以增強(qiáng)這種集成模型的性能。集成(bagging)是在機(jī)器學(xué)習(xí)中一個(gè)非常重要的概念,能為不同的模型帶來了穩(wěn)定性,即用平均數(shù)或投票機(jī)制將不同模型的結(jié)果轉(zhuǎn)化為一個(gè)單一的方法。
在實(shí)踐中,隨機(jī)森林訓(xùn)練了固定數(shù)量的決策樹,并對(duì)之前所有這些模型的結(jié)果進(jìn)行平均。就像決策樹一樣,我們有分類和回歸隨機(jī)森林。如果你聽說過 “群體智慧 "這個(gè)概念,那么集成模型就相當(dāng)于將這個(gè)概念應(yīng)用于機(jī)器模型訓(xùn)練。
其他基于決策樹的算法,并能帶來穩(wěn)定性的模型有XGBoost或LightGBM。不僅能提升算法,還能提供更穩(wěn)健和概括性的模式。
在Michael Kearns發(fā)表了關(guān)于弱學(xué)習(xí)者和假設(shè)檢驗(yàn)的論文后,關(guān)于機(jī)器學(xué)習(xí)模型的思潮得到了關(guān)注。當(dāng)中表明,增強(qiáng)模型是解決模型受到整體權(quán)衡偏差與方差的絕佳方案。此外,這些模型是Kaggle競(jìng)賽中最受歡迎的選擇。
最后,是當(dāng)前預(yù)測(cè)模型中的王者——人工神經(jīng)網(wǎng)絡(luò)(ANNs)。
人工神經(jīng)網(wǎng)絡(luò)是目前最好的模型之一,可以在數(shù)據(jù)中找到非線性模式,并在自變量和因變量之間建立真正復(fù)雜的關(guān)系。通過學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò),你將接觸到激活函數(shù)、反向傳播和神經(jīng)網(wǎng)絡(luò)層的概念,這些概念應(yīng)該為你研究深度學(xué)習(xí)模型打下良好的基礎(chǔ)。
此外,神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上有很多不同的特點(diǎn),學(xué)習(xí)最基本的神經(jīng)網(wǎng)絡(luò)將為轉(zhuǎn)到其他類型的模型打下基礎(chǔ),如主要用于自然語(yǔ)言處理和遞歸神經(jīng)網(wǎng)絡(luò)和主要用于計(jì)算機(jī)視覺的卷積神經(jīng)網(wǎng)絡(luò)。
結(jié)語(yǔ):
以上就是今天的全部?jī)?nèi)容。掌握這些模型應(yīng)該會(huì)讓你在數(shù)據(jù)分析和機(jī)器學(xué)習(xí)方面有一個(gè)不錯(cuò)的開始。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)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(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)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(dòng)決策的時(shí)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(chéng)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(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)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(jià)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(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)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(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)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(shì)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(shì)變化以及識(shí)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(guó)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(duì)策略? 長(zhǎng)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(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)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(chǎng)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(dòng)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(dòng)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(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03