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

Dicas para direcionar seu filme digital - manequins

Dicas para direcionar seu filme digital - manequins

Como diretor, é seu trabalho levar o filme a vida através de da maneira como seus atores interpretam os personagens e como a equipe filme cada tiro. O diretor trabalha com os atores e a equipe para obter o melhor deles e certifique-se de que a história seja contada através do que eles fazem. Dirigindo seu ...

Dez Wedding DSLR Filmmaking Techniques - dummies

Dez Wedding DSLR Filmmaking Techniques - dummies

Usando sua DSLR para filmar um casamento geralmente reside no final oposto da peça criativa espectro de fazer seu filme de autor. Aqui estão os dez melhores aspectos que você precisa considerar para mantê-lo vivo ao capturar esse evento único na vida. Tenha o equipamento de vídeo certo Você não poderá fazer um casamento até ...

Dez dicas para filmes documentários DSLR - dummies

Dez dicas para filmes documentários DSLR - dummies

Um documentário é uma conta de filme de não ficção de um tópico. Para fazer seu documentário DSLR de qualquer comprimento e assunto em algo que as pessoas acham interessante, considere estas dez dicas. Conheça o tópico que pretende filmar Se você está fazendo um filme de duração de duas horas ou um vídeo on-line de dois minutos, você precisa ...

Escolha dos editores

Como lucrar com a mamãe Blogando sem vender - manequins

Como lucrar com a mamãe Blogando sem vender - manequins

Vender é um termo usado para comprometendo sua integridade, princípios ou moral para ganhar dinheiro ou sucesso. O problema é que, se todos tivessem os mesmos princípios e a definição de integridade, não haveria muita necessidade de diferentes partidos políticos ou religiões. As pessoas podem ser acusadas de vender se eles simplesmente fazem coisas como ...

Como usar corretamente palavras-chave para sua comunidade online - manequins

Como usar corretamente palavras-chave para sua comunidade online - manequins

Quando você tem uma boa idéia de os tipos de palavras-chave para usar em sua comunidade online, é hora de escrever o conteúdo para que pareça natural. Muitas pessoas pimenta palavras-chave liberalmente em torno de suas postagens de blog, artigos da web, sobre páginas e outros conteúdos, o que parece bobo e errado. Embora o uso de palavras-chave seja bom ...

Como colocar anúncios no seu blog - manequins

Como colocar anúncios no seu blog - manequins

Para obter anúncios no site do seu blog, os programas que você Inscreva-se para fornecer-lhe geralmente um pouco de código que você insere em seus modelos de site. Alguns programas têm instruções passo-a-passo para pacotes populares de software de blog, mas esteja ciente de que você também precisará consultar a documentação do seu blog para obter ajuda com ...

Escolha dos editores

Exibindo Números como palavras no Excel - manequins

Exibindo Números como palavras no Excel - manequins

Se você já precisou exibir um número escrito como texto , você provavelmente descobriu que o Excel não oferece essa função. Quando o Excel não entrega, muitas vezes é possível corrigir a deficiência usando o VBA. Aqui está uma função VBA, denominada SPELLDOLLARS, que você pode usar nas fórmulas da planilha. Exemplos de Excel Aqui estão ...

Determinando a audiência para seu modelo financeiro - manequins

Determinando a audiência para seu modelo financeiro - manequins

Que estará visualizando ou usando seu modelo financeiro no futuro ? Se for apenas para seu próprio uso, você ainda deve seguir um bom modelo de design, mas não há necessidade de passar muito tempo na formatação para que pareça legal. Você ainda deve adicionar suposições e documentação de origem para o seu próprio ...

Eliminando células e dados no Excel 2007 - dummies

Eliminando células e dados no Excel 2007 - dummies

No Microsoft Office Excel 2007, quando você precisa excluir dados , remova a formatação em uma seleção de célula ou remova células inteiras, linhas ou colunas, você tem muitas opções dependendo do seu objetivo. O Excel pode executar dois tipos de exclusões de células em uma planilha: limpar dados de células e excluir a célula. Limpar o conteúdo da célula Limpar apenas ...