Lar Finanças Pessoais Analisando os conceitos básicos de estatística, aprendizado de máquina e métodos matemáticos na ciência dos dados - manequins

Analisando os conceitos básicos de estatística, aprendizado de máquina e métodos matemáticos na ciência dos dados - manequins

Índice:

Vídeo: Estatística - Aula 16 - Exercícios medidas de posição e dispersão 2025

Vídeo: Estatística - Aula 16 - Exercícios medidas de posição e dispersão 2025
Anonim

Parte da Ciência dos Dados para Dummies Cheat Sheet > Se as estatísticas foram descritas como a ciência de derivar informações sobre os dados, então, qual é a diferença entre um estatístico e um cientista de dados? Boa pergunta! Embora muitas tarefas na ciência dos dados exigem um pouco de conhecimento estatístico, o alcance e a amplitude do conhecimento e da base de habilidades de um cientista de dados são distintos dos de um estatístico. As principais distinções são descritas abaixo.

Especialidade em matéria de matéria:
  • Uma das principais características dos cientistas de dados é que eles oferecem um grau sofisticado de especialização na área a que aplicam seus métodos analíticos. Os cientistas de dados precisam disso para que eles possam realmente entender as implicações e aplicações dos dados que eles geram. Um cientista de dados deve possuir conhecimentos suficientes para poder identificar o significado de suas descobertas e decidir de forma independente como proceder na análise.

    Em contraste, os estatísticos geralmente têm um conhecimento incrivelmente profundo das estatísticas, mas muito pouca experiência na matéria a que aplicam métodos estatísticos. Na maioria das vezes, os estatísticos são obrigados a consultar com especialistas em assuntos externos para se entenderem firmemente sobre o significado de suas descobertas e para poderem decidir a melhor maneira de avançar em uma análise.

    Abordagens matemáticas e de aprendizagem mecânica:
  • Os estatísticos dependem principalmente de métodos e processos estatísticos ao derivar informações sobre os dados. Em contraste, os cientistas de dados são obrigados a retirar de uma ampla variedade de técnicas para obter informações sobre dados. Estes incluem métodos estatísticos, mas também incluem abordagens que não se baseiam em estatísticas - como aquelas encontradas em abordagens matemáticas, de cluster, de classificação e de aprendizagem de máquinas não-estatísticas. Vendo a importância do know-how estatístico

Você não precisa sair e obter um diploma em estatísticas para praticar ciência de dados, mas você deve, pelo menos, familiarizar-se com alguns dos métodos mais fundamentais que são usados na análise de dados estatísticos. Estes incluem:

Regressão linear

  • : A regressão linear é útil para modelar as relações entre uma variável dependente e uma ou várias variáveis ​​independentes. O objetivo da regressão linear é descobrir (e quantificar a força de) correlações importantes entre variáveis ​​dependentes e independentes. Análise de séries temporais:

  • A análise de séries temporais envolve a análise de uma coleção de dados sobre valores de atributos ao longo do tempo, para prever futuras instâncias da medida com base nos dados observacionais anteriores. Simulações de Monte Carlo:

  • O método de Monte Carlo é uma técnica de simulação que você pode usar para testar hipóteses, gerar estimativas de parâmetros, prever os resultados do cenário e validar modelos. O método é poderoso porque pode ser usado para simular muito rapidamente de 1 a 10 000 (ou mais) amostras de simulação para qualquer processo que você está tentando avaliar. Estatísticas de dados espaciais:

  • Uma propriedade fundamental e importante de dados espaciais é que não é aleatória. É espacialmente dependente e auto-correlacionado. Ao modelar dados espaciais, evite métodos estatísticos que assumam que seus dados são aleatórios. Kriging e krige são dois métodos estatísticos que você pode usar para modelar dados espaciais. Esses métodos permitem que você produza superfícies preditivas para áreas de estudo inteiras com base em conjuntos de pontos conhecidos no espaço geográfico. Trabalhando com métodos de agrupamento, classificação e aprendizagem de máquinas

O aprendizado de máquina é a aplicação de algoritmos computacionais para aprender (ou deduzir padrões) conjuntos de dados brutos.

Clustering é um tipo particular de aprendizagem de máquina - sem supervisão aprendizagem em máquina, para ser preciso, o que significa que os algoritmos devem aprender com dados não-rotulados e, como tal, devem usar métodos inferenciais para descobrir correlações. Classificação, por outro lado, é chamado de aprendizagem de máquina supervisionada, o que significa que os algoritmos aprendem com dados rotulados. As seguintes descrições introduzem algumas das abordagens mais básicas de agrupamento e classificação: k-means clustering:

  • Você geralmente implanta algoritmos k-means para subdividir pontos de dados de um conjunto de dados em clusters com base nos valores médios mais próximos. Para determinar a divisão ótima de seus pontos de dados em clusters, de modo que a distância entre os pontos em cada cluster seja minimizada, você pode usar o agrupamento k-means. Algoritmos vizinhos mais próximos:

  • O objetivo de uma análise vizinha mais próxima é procurar e localizar um ponto mais próximo do espaço ou um valor numérico mais próximo, dependendo do atributo que você usa para comparação. Estimativa de densidade do núcleo:

  • Uma maneira alternativa de identificar clusters em seus dados é usar uma função de suavização de densidade. A estimativa da densidade do núcleo (KDE) funciona colocando um kernel uma função de ponderação que é útil para quantificar densidade - em cada ponto de dados no conjunto de dados e, em seguida, somando os kernels para gerar uma estimativa de densidade do núcleo para o conjunto região. Mantendo métodos matemáticos na mistura

Lotes são ditos sobre o valor das estatísticas na prática da ciência dos dados, mas os métodos matemáticos aplicados raramente são mencionados. Para ser franco, a matemática é a base de todas as análises quantitativas. Sua importância não deve ser subestimada. Os dois seguintes métodos matemáticos são particularmente úteis na ciência dos dados.

MCDM:

  • MCDM é uma abordagem de modelagem de decisão matemática que você pode usar quando você tem vários critérios ou alternativas que você deve avaliar simultaneamente ao tomar uma decisão. cadeias de Markov

  • : uma cadeia de Markov é um método matemático que encadena uma série de variáveis ​​geradas aleatoriamente que representam o estado presente, a fim de modelar como as mudanças nas variáveis ​​de estado atual afetam os estados futuros.

Analisando os conceitos básicos de estatística, aprendizado de máquina e métodos matemáticos na ciência dos dados - manequins

Escolha dos editores

Como criar um módulo HTML personalizado no Joomla - dummies

Como criar um módulo HTML personalizado no Joomla - dummies

Uma das grandes coisas sobre o Joomla é o quão incrivelmente flexível é. A instalação padrão do CMS inclui 23 módulos diferentes para ajudá-lo a fazer seu site funcionar sem problemas. Às vezes, no entanto, você pode querer adicionar uma função ao seu site que esses 23 módulos simplesmente não vão cobrir. Sob tais circunstâncias, você pode querer considerar ...

Como criar um item de menu no Joomla Content Management - manequins

Como criar um item de menu no Joomla Content Management - manequins

Um item de menu determina o layout dos artigos, que é um dos aspectos do Joomla para o qual você precisa se acostumar. As páginas da Web não existem fisicamente no Joomla - elas são apenas itens no seu banco de dados - até que a página seja acessada. Quando você abre um artigo, o Joomla tira os dados necessários do ...

Como criar um novo item de menu com o Joomla! 1. 6 - dummies

Como criar um novo item de menu com o Joomla! 1. 6 - dummies

Não estresse se você precisa criar um item de menu em sua página da Web interativa - é fácil ao usar o Joomla! Gerenciador de menu. Para adicionar itens de menu a um site existente, basta usar estas etapas: Escolha Menus → Gerenciador de menus para abrir o Gerenciador de menus. Clique no nome do menu que deseja adicionar um novo ...

Escolha dos editores

Obtendo Ajuda do Eclipse - dummies

Obtendo Ajuda do Eclipse - dummies

Com a complexidade do Java e a nuance do Eclipse, você não pode esperar para lembrar de tudo. Às vezes, você precisa de um pouco mais de ajuda do Eclipse para começar sua programação. Felizmente, o Eclipse oferece ajuda geral e sensível ao contexto: para ajuda sensível ao contexto: no Windows, pressione F1. No Linux, pressione Ctrl + F1. Em um Mac, pressione ...

Software gratuito: preenchimento automático de células no OpenOffice. org Calc - dummies

Software gratuito: preenchimento automático de células no OpenOffice. org Calc - dummies

OpenOffice. org - uma alternativa gratuita para o Microsoft Office - inclui Calc, uma planilha eletrônica semelhante ao Excel. O Calc fornece uma maneira fácil de criar automaticamente uma coluna ou linha de números em qualquer sequência que você especificar. Esse recurso de preenchimento automático é útil para criar listas numeradas ou preencher os cabeçalhos de colunas e linhas de tabelas, como ...

Acessos acessíveis no modo de exibição do Prezi - dummies

Acessos acessíveis no modo de exibição do Prezi - dummies

O prezi possui dois modos de operação diferentes: Modo de edição, no qual você crie sua apresentação e Show Mode, no qual você apresenta suas criações. No modo Show, use esses atalhos úteis para tornar sua apresentação ainda mais suave. Use esta como uma lista de verificação de prática antes de começar: Use esta função: Para fazer isso: Completo ...

Escolha dos editores

Elementos HTML básicos - dummies

Elementos HTML básicos - dummies

HyperText Markup Language (HTML) é o idioma da web, onde os elementos ditaram a formatação e o estilo do seu conteúdo. Os elementos HTML compõem a codificação baixada que você vê quando você acessa uma página da Web em seu navegador da Web (como Internet Explorer, Firefox ou Safari). Aqui estão alguns elementos básicos para você ...

Usando AutoCAD DesignCenter - dummies

Usando AutoCAD DesignCenter - dummies

DesignCenter é um nome tolo para uma paleta útil, se um pouco ocupada. A paleta DesignCenter é útil para dados de mineração de todos os tipos de desenhos. Enquanto a paleta Propriedades está preocupada com as propriedades do objeto, a paleta DesignCenter lida principalmente com objetos nomeados: camadas, tipos de linha, definições de bloco (isto é, símbolo), estilos de texto e outros objetos organizacionais ...

Zoom e Panning no AutoCAD - dummies

Zoom e Panning no AutoCAD - dummies

O AutoCAD facilita a panorâmica, oferecendo barras de rolagem e panning em tempo real. Na panorâmica em tempo real (em oposição à panorâmica de finalização), você pode ver objetos movendo-se na tela enquanto você arrasta o mouse para cima e para baixo ou para frente e para trás. Claro, o ponto de vista está em movimento, não os objetos. Tanto a panorâmica quanto o zoom mudam a visualização ...