| 储能

请登录

注册

【算法】机器学习和数据科学最常用到的TOP10算法

2018-05-14 16:22:59 数据科学自媒体
A A
数据科学的实践,需要使用算法和数据科学方法,来帮助数据专业人员从数据中提取洞察力和价值。文章是关于2017年数据专业人员使用的数据科学和机器学习方法,以及2018年最令他们兴奋的机器学习 数据科学方法。

数据科学的实践,需要使用算法和数据科学方法,来帮助数据专业人员从数据中提取洞察力和价值。Kaggle最近的一项调查显示,数据专家在2017年比其他数据科学方法更多地使用数据可视化、逻辑回归、交叉验证和决策树技术。展望2018年,数据专业人员对学习深度学习(41%)最感兴趣。

Kaggle于2017年8月对16,000多名数据专业人员进行了调查。 他们的调查包括数据科学,机器学习,教育等方面的各种问题。 Kaggle发布了原始调查数据,根据这些调查数据,我发现一些有趣的东西。今天的文章是关于2017年数据专业人员使用的数据科学和机器学习方法,以及2018年最令他们兴奋的机器学习/数据科学方法。

1. 2017年最受欢迎的数据科学/分析工具,技术和语言

调查包括一个针对数据专业从业人员的问题,“在工作中,你经常使用以下数据科学方法? (选择所有使用的)”。平均而言,数据专家在2017年使用了5种(中值)数据科学方法。2017年使用的前5种数据科学方法是(见图1):

  1. 数据可视化(49%)
  2. Logistic回归(42%)
  3. 交叉验证(38%)
  4. 决策树(36%)
  5. 随机森林(34%)
  6. 时间序列分析(31%)
  7. 神经网络(28%)
  8. PCA和维度降低(27%)
  9. kNN和其他聚类算法(26%)
  10. 文本分析(25%)

对于自称为“数据科学家”的数据专业人员,这些方法的使用率更高。这些数据科学家的采用率大约高出15-20个百分点(例如,66%用于数据可视化,61%用于逻辑回归, 56%为决策树,56%为随机森林)。

KDNuggets最近的一项调查发现,与目前的研究结果类似。在他们的研究中,顶级数据科学和机器学习方法还包括回归(60%),聚类(55%),可视化(51%),决策树/规则(51%)和随机森林(46%)。

2. 哪些2018年学习最为兴奋的机器学习和数据科学方法?

另一个调查是,所有数据专业人士(不管是否正在工作),了解他们在下一年最兴奋的机器学习/数据科学方法。结果显示,数据专业人员对深度学习最感兴趣:

  1. 深度学习(41%)
  2. 神经网络(13%)
  3. 时间序列分析(6%)
  4. 贝叶斯方法(5%)
  5. 文本挖掘(5%)

3. 小结

Kaggle对16,000多名数据专家的调查结果,揭示了工作中使用的最流行的数据科学方法。数据可视化和逻辑回归列在首位。

毫不奇怪,10位数据专业人士中有4位表示,他们非常高兴在明年学习深度学习。

深度学习是一类机器学习算法,它是根据大脑的信息处理和通信模式建模的。

深度学习使用单位层或节点进行特征提取和转换,每层使用前一层的输出作为输入。

深度学习方法可用于营销,汽车,语音识别等领域。

这种对学习深度学习兴趣的同时,调查结果还表明,用于深度学习的流行的开源软件TensorFlow是专业人士有兴趣学习的顶级工具数据。

本文翻译自:

http://businessoverbroadway.com/top-machine-learning-and-data-science-methods-used-at-work

大云网官方微信售电那点事儿
免责声明:本文仅代表作者个人观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
我要收藏
个赞

相关新闻