数据建模

在机器学习领域，每个给定的建模问题都存在几十种解法，本文作者认为，模型算法的假设并不一定适用于手头的数据；在追求模型最佳性能时，重要的是选择适合数据集（尤其是“大数据”）的模型算法

猎聘每天有数万新用户注册。但是，其中有的用户只是填写了少量的职业信息，即名片信息，而并未完成整个简历的填写。

在大数据的时代，企业和消费者的接触点变得越来越多，企业要实现它的业务需求，首先要从接触点上采集消费者的数据，然后去进行分析和挖掘，以满足不同业务部门的需求，这个是业务层或者说需求层要解决的一些问题。

本文大部分内容来源于 Bart Baesens 所著《Analysis in a Big Data World:The Essential Guide to DataScience and its Applications》。中文书名为《大数据分析数据科学应用场景与实践精髓》柯晓燕张纪元翻译

你是否对机器学习充满兴趣呢？其实到目前为止，每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上，你会发现现在没有哪一个领域比机器学习能引起更多的曝光率和关注度。机器学习已经以一种高调姿态闯入广大民众的意识当中，无论是采用机器学习等相关技术的Google AlphaGo以5局4胜的战绩打败人类世界的围棋冠军，还是采用了机器学习技术的Twitter能…

摘要：要问什么行业将是2016年的创新创业风口，互联网金融一定榜上有名。中国有着50%的高储蓄率、140万亿银行存款余额、6亿移动网民，以及持续壮大的中产阶级，共同构成了互联网金融的绝佳土壤。中国16家上市银行的利润，超过其他三千余家上市公司利润之和，也让所有企业看到了金融服务背后的巨大机会。 用互联网、云计算、大数据改造金融，已经成为了多方的战略共识，但机…

摘要：初创公司在数据分析方面有哪些错误的认识？初创公司如何实现数据驱动？如何从零搭建数据分析平台？如何规范数据？如何数据建模？如何构建查询分析平台？在数据分析平台建设上，有哪些关键问题？ 本演讲希望为你打通任督二脉。演讲的主要内容包括：对数据驱动，有哪些是是而非的认识？理想状态又是如何？现有常用方案剖析，有哪些优势及不足； 推荐的一套方案，包括数据的采集、传…

1. 背景 先来看两个例子，下面两幅图展示了百度在趋势预测方面的应用案例，一个是世界杯期间的比赛输赢预测，另一个是北京各旅游景区的游客人数预测。 这两幅图代表了大数据环境下趋势预测的典型场景，即事件预测和时序预测，本文重点关注第二幅图中的场景，即与时间维度相关的时间序列预测。 2. 时间序列预测 时间序列预测即以时间数列所能反映的社会经济现象的发展过程和规律…

我从实践中学习了到这些方法。相对于理论，我一向更热衷于实践。这种学习方式也一直在激励我。本文将分享 8 个经过证实的方法，使用这些方法可以建立稳健的机器学习模型。希望我的知识可以帮助大家获得更高的职业成就。 导语 提升一个模型的表现有时很困难。如果你们曾经纠结于相似的问题，那我相信你们中很多人会同意我的看法。你会尝试所有曾学习过的策略和算法，但模型正确率并没…

随着大数据时代的到来，当前情况开始发生变化。大数据带来的影响，不仅仅是指技术革命带来的的数据爆炸，更是思维方式的一次革命：“数据使流程更加透明，有助于推动管理的扁平化，提升管理效率”

鲁迅评价诸葛亮“多智而近妖”，此话见诸《中国小说史略》，意思说诸葛亮足智多谋，像个妖怪。 而如今，从 大数据 的角度看，诸葛亮的足智多谋是因为他掌握了数据建模的办法。 今天，我们就来说说这诸葛先生的“数据建模”之道。 建模里的“模”是指模型。使材料成为一定形状的工具，就属于“模型”，这些模型看得见摸得着，叫做“具象模型”。但是也有些模型看不见摸不着，属于“抽…

给数据挖掘、数据建模工程师的9条定律，收藏！