Casa Finanza personale Guardando le basi delle statistiche, l'apprendimento automatico e i metodi matematici nella scienza dei dati - Instructions for Dummies

Guardando le basi delle statistiche, l'apprendimento automatico e i metodi matematici nella scienza dei dati - Instructions for Dummies

Sommario:

Video: Un mensaje extraterrestre desde el futuro. Entrevista a Ricardo González 2025

Video: Un mensaje extraterrestre desde el futuro. Entrevista a Ricardo González 2025
Anonim

Parte di Data Science For Dummies Cheat Sheet > Se le statistiche sono state descritte come la scienza di ricavare intuizioni dai dati, allora qual è la differenza tra uno statistico e uno scienziato di dati? Buona domanda! Mentre molti compiti nella scienza dei dati richiedono un bel po 'di know how statistico, la portata e l'ampiezza della conoscenza e della base di competenze di uno scienziato di dati sono distinte da quelle di uno statistico. Le principali distinzioni sono descritte di seguito.

Competenza in materia:
  • Una delle caratteristiche principali degli scienziati di dati è che offrono un sofisticato livello di competenza nell'area in cui applicano i loro metodi analitici. Gli scienziati dei dati hanno bisogno di questo in modo che siano in grado di comprendere veramente le implicazioni e le applicazioni delle informazioni di dati che generano. Uno scienziato dei dati dovrebbe avere sufficiente esperienza in materia per essere in grado di identificare il significato delle loro scoperte e decidere autonomamente come procedere nell'analisi.

    Al contrario, gli statistici di solito hanno una conoscenza incredibilmente profonda delle statistiche, ma pochissime competenze in materia a cui applicano metodi statistici. Nella maggior parte dei casi, gli esperti di statistica sono tenuti a consultarsi con esperti esterni per ottenere una solida comprensione del significato delle loro scoperte e per essere in grado di decidere il modo migliore per andare avanti in un'analisi.

    Approcci matematici e di apprendimento automatico:
  • Gli statistici si basano principalmente su metodi e processi statistici quando ricavano informazioni dai dati. Al contrario, gli scienziati dei dati devono estrarre da una vasta gamma di tecniche per ricavare informazioni dettagliate. Questi includono metodi statistici, ma includono anche approcci che non sono basati su statistiche - come quelli trovati in matematica, clustering, classificazione e approcci di apprendimento automatico non statistico. Vedendo l'importanza del know-how statistico

Non è necessario uscire e ottenere una laurea in statistica per praticare la scienza dei dati, ma almeno si dovrebbe familiarizzare con alcuni dei metodi più fondamentali che vengono utilizzati nell'analisi statistica dei dati. Questi includono:

Regressione lineare

  • : la regressione lineare è utile per modellare le relazioni tra una variabile dipendente e una o più variabili indipendenti. Lo scopo della regressione lineare è scoprire (e quantificare la forza di) importanti correlazioni tra variabili dipendenti e indipendenti. Analisi delle serie temporali:

  • L'analisi delle serie temporali prevede l'analisi di una raccolta di dati sui valori degli attributi nel tempo, al fine di prevedere le istanze future della misura sulla base dei dati osservativi passati. Simulazioni Monte Carlo:

  • Il metodo Monte Carlo è una tecnica di simulazione che è possibile utilizzare per testare ipotesi, generare stime di parametri, prevedere gli esiti dello scenario e convalidare modelli. Il metodo è potente perché può essere utilizzato per simulare molto rapidamente ovunque da 1 a 10, 000 (o più) campioni di simulazione per qualsiasi processo che si sta tentando di valutare. Statistiche per i dati spaziali:

  • Una proprietà fondamentale e fondamentale dei dati spaziali è che non è casuale. È dipendente spazialmente e autocorrelato. Quando si modellano i dati spaziali, evitare i metodi statistici che presuppongono che i dati siano casuali. Kriging e krige sono due metodi statistici che puoi usare per modellare i dati spaziali. Questi metodi consentono di produrre superfici predittive per intere aree di studio basate su insiemi di punti noti nello spazio geografico. Lavorare con i metodi di clustering, classificazione e machine learning

L'apprendimento automatico è l'applicazione di algoritmi computazionali per imparare da (o dedurre pattern in) set di dati grezzi.

Il clustering è un particolare tipo di apprendimento automatico - non controllato apprendimento automatico, per essere precisi, il che significa che gli algoritmi devono imparare dai dati senza etichetta e, in quanto tali, devono utilizzare metodi inferenziali per scoprire correlazioni. La classificazione, d'altra parte, si chiama apprendimento macchina supervisionato, il che significa che gli algoritmi apprendono dai dati etichettati. Le seguenti descrizioni introducono alcuni dei più basilari approcci di clustering e classificazione: k-means clustering:

  • Generalmente si utilizzano algoritmi k-means per suddividere i punti dati di un set di dati in cluster basati sui valori medi più vicini. Per determinare la divisione ottimale dei punti dati in cluster, in modo tale che la distanza tra i punti in ciascun cluster sia ridotta al minimo, è possibile utilizzare il clustering di k-means. Algoritmi adiacenti più vicini:

  • Lo scopo di un'analisi di vicinato più vicino è cercare e localizzare un punto nello spazio o un valore numerico più vicino, a seconda dell'attributo che si utilizza come base di confronto. Stima della densità del kernel:

  • Un modo alternativo per identificare i cluster nei dati consiste nell'utilizzare una funzione di livellamento della densità. La stima della densità del kernel (KDE) funziona posizionando un kernel una funzione di ponderazione utile per quantificare la densità - su ogni punto di dati nel set di dati, quindi sommando i kernel per generare una stima della densità del kernel per l'intero regione. Mantenere metodi matematici nel mix

Viene detto molto sul valore delle statistiche nella pratica della scienza dei dati, ma i metodi matematici applicati vengono raramente menzionati. Per essere sinceri, la matematica è la base di tutte le analisi quantitative. La sua importanza non dovrebbe essere sottovalutata. I due seguenti metodi matematici sono particolarmente utili nella scienza dei dati.

Decisione multi-criterio (MCDM):

  • MCDM è un approccio di modellizzazione decisionale matematico che puoi utilizzare quando hai diversi criteri o alternative che devi valutare contemporaneamente quando prendi una decisione. Catene di Markov

  • : Una catena di Markov è un metodo matematico che concatena una serie di variabili generate casualmente che rappresentano lo stato presente al fine di modellare come i cambiamenti nelle variabili dello stato attuale influenzano gli stati futuri.

Guardando le basi delle statistiche, l'apprendimento automatico e i metodi matematici nella scienza dei dati - Instructions for Dummies

Scelta dell'editore

Tasti di scelta rapida per Microsoft Office 2007 - dummies

Tasti di scelta rapida per Microsoft Office 2007 - dummies

Microsoft Office 2007 è pieno di scorciatoie da tastiera per risparmiare tempo. Comprimi i componenti di Office 2007 - Word, Excel, Outlook, PowerPoint e Access - utilizzando i tasti di scelta rapida utili della seguente tabella. Con poco sforzo, puoi aprire file, trovare contenuti, modificare quel contenuto e altro! Funzione Ctrl Copia Ctrl + C Taglia Ctrl + X Trova Ctrl + F Vai ...

Vantaggi di Lync Online - dummies

Vantaggi di Lync Online - dummies

Lync Online è disponibile sia in ambito professionale sia in piccole imprese (P) e aziendali (E ) piani in Office 365. Le funzionalità includono messaggistica istantanea (IM), chiamate audio e video, presenza, riunioni online, presentazioni online e la possibilità di connettersi con i contatti di Windows Live Messenger e altri utenti esterni che eseguono Lync. La tecnologia è integrata in tutto ...

Come avviare una conversazione con Lync Online - dummies

Come avviare una conversazione con Lync Online - dummies

La scheda di contatto di Lync Online è un ottimo modo per avviare una conversazione con un collega o i membri del tuo team. Oltre alle note personali, alla presenza e alla posizione, vengono visualizzate anche le informazioni sulla tua organizzazione come il titolo e i numeri di telefono. Per visualizzare la scheda di contatto, passa con il mouse sopra l'immagine di una persona e fai clic sul gallone ...

Scelta dell'editore

Come scegliere un'immagine di sfondo Twitter per Visual Social Marketing - dummies

Come scegliere un'immagine di sfondo Twitter per Visual Social Marketing - dummies

Quando si imposta su un account Twitter per il social marketing visivo, un tipo di immagine che è richiesto per il tuo profilo è l'immagine di sfondo - viene visualizzata dietro il profilo Twitter. Nella parte superiore della schermata Impostazioni disegno, Twitter ti consente di scegliere tra una serie di temi premade. Un tema premade applica un ...

Come scegliere un buon nome utente Twitter - dummy

Come scegliere un buon nome utente Twitter - dummy

Su Twitter, il tuo nome utente, o handle, è il tuo identità. Se puoi, iscriviti a Twitter usando il tuo nome o una variante di esso come nome utente (supponendo che qualcun altro non lo stia già utilizzando). Ad esempio, se il tuo nome è John Ira, potresti scegliere un nome utente Twitter come @johnira o ...

Come personalizzare il tuo profilo Twitter - dummies

Come personalizzare il tuo profilo Twitter - dummies

La tua pagina pubblica su Twitter, noto anche come profilo, è la prima impressione che gli altri utenti di Twitter hanno di te, e può fare una grande differenza nel decidere se seguirti. Personalizzare la tua pagina del profilo Twitter in modo che rifletta te o la tua azienda fa la differenza quando si tratta di persone ...

Scelta dell'editore

Perché avresti bisogno di più profili utente per Dragon Professional Individuale - manichini

Perché avresti bisogno di più profili utente per Dragon Professional Individuale - manichini

Drago Individuo professionale capisce solo quelli che si sono presentati ufficialmente come utenti e hanno creato un profilo utente. Ecco quattro motivi per cui potresti voler creare più di un profilo utente: usi diversi vocabolari o stili di scrittura per compiti diversi. Si utilizzano diversi microfoni per compiti diversi. Volete ...

Lavorare con fogli di calcolo Usare NaturallySpeaking - dummies

Lavorare con fogli di calcolo Usare NaturallySpeaking - dummies

Utilizzando fogli di calcolo con versioni precedenti di NaturallySpeaking era difficile perché non si poteva indirizzare direttamente i nomi delle celle. Volevi dire qualcosa come "Cella A5" o "Seleziona Colonna C." Ma (sospiro), niente dado. Il tuo assistente non aveva idea di cosa stavi parlando. Bene, il tuo assistente ha "up-leveled" le sue abilità! Ora è possibile ...

Su Evernote's Passcode Lock - dummies

Su Evernote's Passcode Lock - dummies

Abbonati premium e business che utilizzano determinati dispositivi ora possono bloccare l'app Evernote con un blocco Passcode . Ogni volta che torni all'app, ti viene chiesto di inserire il tuo codice. Un blocco passcode è un'ottima opzione se condividi il tuo telefono o tablet con altre persone e vuoi impedire loro di accedere a ...