像数据科学家一样思索：12步指南（上）

通过统计建模，首要存眷的是领略模子及其描写的底层体系。数学建模是一个相干观念，它更夸大模子构建息争释，而不是与数据的相关。统计建模偏重于模子与数据的相关，以下是你应该相识的统计建模中的一些重要观念：

• 线性、指数、多项式、样条、微分、非线性方程;
• 隐藏变量;
• 量化不确定性：随机性，方差和偏差项;
• 拟合模子：最大似然预计、最大后验预计、变分贝叶斯、马尔可夫链蒙特卡罗、过拟合。
• 贝叶斯与频率统计;
• 假设检讨;
• 聚类;
• 因素说明;

离原始数据最远的是一组统计技能，凡是称为黑盒要领。呆板进修和人工智能的很多要领都是黑盒要领。假如你实行将呈此刻数据齐集的个别分类为几个种别，而且你应用呆板进修技能(如随机丛林或神经收集)，过后每每很难说为什么是以某种方法分类。数据进入黑匣子，分类出来，最后你凡是不能表明两者之间毕竟产生了什么。

【编辑保举】

1. 干货 ：送你12个关于数据科学进修的要害提醒（附链接）
2. 低级数据科学家常犯的十大编程错误
3. 数据科学岗亭将在将来5年内从头洗牌，你筹备好转型了吗？
4. 除Kaggle外，尚有哪些顶级数据科学比赛平台
5. 给有幻想的数据科学家的六条提议

（编辑：湖南网）

【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!