探索資料科學

3 篇文章2 人追蹤
看板篩選
軟體工程師

#分享 資料視覺化 - 完全攻略Matplotlib

■為什麼需要資料視覺化 ?當我們拿到一大堆原始資料時,我們第一時間的心理活動可能會是這樣:『靠~~ 怎麼還在載入? 到底有幾筆? 到底有那些欄位? 資料與問題有關嗎? 有關的話會是什麼關係? ..

軟體工程師

#分享 聊聊機器學習模型的評估方法 - 混淆矩陣(Confusion Matrix)

◆如何評估機器學習模型的好壞?當我們辛辛苦苦訓練好一個機器學習模型時,我們要怎麼評估訓練的模型到底好不好?也就是訓練的成效(Performance) 。 要量化這些成效我們必須先了解到有哪些靠譜驗證指

軟體工程師

#分享 四個資料科學家常用的離群值檢測與處理方式

《從離群值探索資料科學》◆什麼是離群值(Outlier)?有接觸過統計,或是機器學習的各位對於這個名詞一定不陌生。以機器學習來說,建立模型的基礎通常是來自資料集,若在收集資料的過程中,因某些狀況導致資

沒有更多內容囉!