ML Studio (clasic): Evaluarea datelor – Azure

• 22.03.2019
• 4 minute de citit

• • s

  • c

  • D

  • v

In acest articol

Videoclipul 2: Stiinta datelor pentru incepatori

Aflati cum sa evaluati datele pentru a va asigura ca indeplineste criteriile de baza pentru a fi gata pentru stiinta datelor

Pentru a profita la maximum de serie, urmariti-le pe toate. Accesati lista videoclipurilor

Alte videoclipuri din aceasta serie

Stiinta datelor pentru incepatori este o introducere rapida in stiinta datelor in cinci videoclipuri scurte.

• Videoclipul 1: Cele 5 intrebari despre raspunsurile stiintei datelor (5 min 14 sec)
• Video 2: datele dvs. sunt pregatite pentru stiinta datelor?
• Video 3: Puneti o intrebare la care puteti raspunde cu date (4 min 17 sec)
• Video 4: Preziceti un raspuns cu un model simplu (7 min 42 sec)
• Video 5: Copiati munca altor persoane pentru a face stiinta datelor (3 min 18 sec)

Transcriere: datele dvs. sunt pregatite pentru stiinta datelor?

Bine ati venit la „Datele dvs. sunt pregatite pentru stiinta datelor?” al doilea videoclip din seria Stiinta datelor pentru incepatori .

Inainte ca stiinta datelor sa va poata oferi raspunsurile dorite, trebuie sa ii oferiti niste materii prime de inalta calitate pentru a lucra. La fel ca si prepararea unei pizza, cu cat sunt mai bune ingredientele cu care incepeti, cu atat este mai bun produsul final.

Criterii pentru date

In stiinta datelor, exista anumite ingrediente care trebuie reunite, inclusiv:

• Relevant
• Conectat
• Exact
• Suficient pentru a lucra

Datele dvs. sunt relevante?

Deci, primul ingredient – aveti nevoie de date relevante.

In stanga, tabelul prezinta alcoolemia din sapte persoane testate in afara unui bar din Boston, media de bataie Red Sox in ultimul lor joc si pretul laptelui in cel mai apropiat magazin.

Toate acestea sunt date perfect legitime. Singura vina este ca nu este relevanta. Nu exista o relatie evidenta intre aceste numere. Daca cineva ti-a dat pretul curent al laptelui si media de bataie Red Sox, nu ai cum sa ghicesti continutul de alcool din sange.

Uita-te acum la masa din dreapta. De data aceasta s-a masurat masa corporala a fiecarei persoane, precum si numarul de bauturi pe care le-au baut. Numerele din fiecare rand sunt relevante acum unul pentru celalalt. Daca ti-as da masa corporala si numarul de Margaritas pe care l-am avut, ai putea face o presupunere a continutului meu de alcool din sange.

Aveti date conectate?

Urmatorul ingredient sunt datele conectate.

Iata cateva date relevante cu privire la calitatea hamburgerilor: temperatura gratarului, greutatea tortului si evaluarea in revista locala de alimente. Observati insa golurile din tabelul din stanga.

Majoritatii seturilor de date lipsesc unele valori. Este obisnuit sa aveti astfel de gauri si exista modalitati de a lucra in jurul lor. Dar daca lipsesc prea multe, datele dvs. incep sa arate ca branza elvetiana.

Daca te uiti la tabelul din stanga, lipsesc atat de multe date, incat este greu sa gasesti orice fel de relatie intre temperatura gratarului si greutatea patty. Acest exemplu arata date deconectate.

Tabelul din dreapta, totusi, este complet si complet – un exemplu de date conectate.

Datele dvs. sunt corecte?

Urmatorul ingredient este acuratetea. Iata patru tinte de atins.

Uita-te la tinta in coltul din dreapta sus. Exista o grupare stransa in jurul ochiului taurului. Desigur, asta este corect. In mod ciudat, in limbajul stiintei datelor, performanta pe tinta de sub aceasta este, de asemenea, considerata corecta.

Daca ati trasat centrul acestor sageti, ati vedea ca este foarte aproape de ochiul taurilor. Sagetile sunt intinse in jurul tintei, deci sunt considerate imprecise, dar sunt centrate in jurul ochiului de taur, deci sunt considerate exacte.

Uita-te acum la tinta din stanga sus. Aici sagetile lovesc foarte aproape, o grupare stransa. Sunt precise, dar sunt inexacte, deoarece centrul este departe de ochiul taurilor. Sagetile din tinta din stanga jos sunt atat inexacte, cat si imprecise. Acest arcas are nevoie de mai multa practica.

Aveti suficiente date cu care sa lucrati?

In cele din urma, ingredientul # 4 este suficienta pentru date.

Ganditi-va la fiecare punct de date din tabel ca la o lovitura de perie intr-o pictura. Daca aveti doar cateva dintre ele, pictura poate fi neclara – este greu de spus ce este.

Daca mai adaugati cateva lovituri, atunci pictura dvs. incepe sa devina putin mai clara.

Cand ai abia lovituri suficiente, vezi doar cat sa iei decizii ample. Este undeva unde as putea dori sa vizitez? Arata stralucitor, care arata ca apa curata – da, acolo plec in vacanta.

Pe masura ce adaugati mai multe date, imaginea devine mai clara si puteti lua decizii mai detaliate. Acum puteti privi cele trei hoteluri de pe malul stang. Puteti observa caracteristicile arhitecturale ale celui din prim-plan. S-ar putea chiar sa alegeti sa ramaneti la etajul al treilea din cauza vederii.

Cu date relevante, conectate, exacte si suficiente, aveti toate ingredientele necesare pentru a face o stiinta a datelor de inalta calitate.

Asigurati-va ca verificati celelalte patru videoclipuri din Data Science for Beginners de la Microsoft Azure Machine Learning Studio (clasic).

Pasii urmatori

• Incercati un prim experiment de stiinta a datelor cu Machine Learning Studio (clasic)
• Obtineti o introducere in invatarea automata pe Microsoft Azure