Google科学家最新整理，给新手推荐的十篇优秀数据科学文章

作为数据科学的初学者，一些好的文章能够快速带我们入门这一充满了未知和挑战的领域。近日，google 决策智库的主管 Cassie Kozyrkov 整理了十篇给学生们推荐的优秀文章。下面这些文章几乎都来自于相同的博客。让我们来看看是哪些文章吧~

文章地址：

如果你从网上购买数据集开始你的学习旅程，你就有可能忘记它们从何而来。

如何表示这些并没有一个普遍的规律，食物的重量单位是克，是最好注意的。我们可以选择数量、价格、原产国或其他适合我们要求的商品。

如果你闭上眼睛，你还记得刚才看到的每一个细节吗?我反正不记得了。这就是我们收集数据的原因。如果我们能在头脑中很好地记忆和处理它，就没有必要了。

当我们分析数据时，我们正在访问别人的记忆。

虽然，用手在纸上打草稿也可以，但是当数据量很大的时候，我们最好还是用电脑吧。

我们可以用 excel 处理很多数据。

当然，你还可以选择 python。

为了加速你的训练，不要只是粘贴魔法单词-尝试改变它们，看看会发生什么。例如，如果您在上面的代码片段中将「真」变为「假」，会发生什么变化?

编程是魔法和乐高之间的交叉点。如果你希望自己能变魔术，那就学着写代码吧。

简而言之，这是一个程序设计：询问互联网如何做一些事情，用你刚学过的神奇单词，看看当你调整它们时会发生什么，然后把它们像乐高积木一样放在一起来完成你的出价。

我们需要进行分析和总结。为此，你还需要了解很多数学知识，如中位数、众数等。这些知识被称为统计学。

你还需要学习绘图和可视化。通常，直方图和条形图被使用的比较多。

数据没有什么神奇之处，它只是在记录上比大脑更可靠。一些信息是有用的，有些是误导性的。我们都是数据分析师，一直都是。

文章地址：

既然你知道什么是机器学习，让我们来看看最简单的那种。我的目标是让所有人(几乎)所有年龄段的人都能适应它的基本术语：实例、标签、特性、模型、算法和有监督的学习。

实例

看下面四个例子!

实例也称为「示例」或「观察」。

数据表

当我们把这些例子放在一张表格上时，它们是什么样子的?每一行都是一个例子。

这次我们很幸运，每个实例都有一个标签。

标签

标签是正确的答案。这就是我们希望计算机在显示像这样的照片时学会输出的东西，这就是为什么有些人喜欢使用「目标」、「输出」或「响应」这个词的原因。

特征

其他列有什么?像素颜色。与你不同的是，电脑看到的图像都是数字，而不是漂亮的妹子。你看到的是红绿蓝这三种颜色。不相信?尝试将「我的数据表」中的值输入到这个 RGB 颜色控制盘中，看看它给你显示什么颜色。想知道如何从照片中获取像素值吗?看看这个代码。

你知道什么很酷吗?每次你看一张数码照片，你分析数据，弄清楚存储在一堆数字中的东西。不管你是谁，你已经是一个数据分析师了!

模型与算法

我们的特征将构成模型的基础，计算机将使用它们把像素颜色变成标签。

模型只是「配方」的一个花哨的词。

具体如何做?这就是机器学习算法的工作。

监督学习 

我想让你成为我的机器学习系统。使用你的大脑，再看一眼实例，做一些学习，你觉得这是什么?

使用你从上面的示例中学习到的内容对该图像进行分类。

「金发」?是的。你明白了!你刚才做的是监督学习，太棒了!你现在经历了最简单的学习方式。如果你能把你的问题定义为有监督的学习，那是个好主意。其它的更难……所以我们需要使用无监督学习。

总结：如果算法在每个实例中都有正确的标签，那么这将是有监督的学习。稍后，它将使用模型或配方来标记新实例，就像你所做的那样。

文章地址：https://hackernoon.com/unsupervised-learning-demystified-4060eecedeaf?source=post_page-----3bae97d9bb23----------------------

无监督学习听起来像是一种奇特的表达方式，「让孩子们自己学习，不要触摸热烤箱」，但它实际上是一种从你的数据中挖掘灵感和模式的技术。

什么是无监督学习?

（编辑：南平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!