机器学习数据

什么是数据？

数据可以是很多东西。

通过机器学习，数据是事实的集合：

情报需要数据

人类智能需要数据：

房地产经纪人需要有关已售房屋的数据来估算价格。

人工智能也需要数据：

机器学习程序需要数据来估算价格。

卫生保健

医疗保健和生命科学收集公共卫生数据和患者数据，以了解如何改善患者护理和拯救生命。

商业

许多领域最成功的公司都是数据驱动的。他们使用复杂的数据分析来了解公司如何才能表现得更好。

金融

银行和保险公司收集和评估有关客户、贷款和存款的数据，以支持战略决策。

存储数据

最常见的收集数据是数字和测量值。

通常数据存储在表示值之间关系的数组中。

该表包含房价与面积的关系：

定量与定性

定量数据是数字：

• 55辆
• 15米
• 35 名儿童

定性数据具有描述性：

• 很冷
• 很长
• 好玩

普查或抽样

人口普查是我们为一个群体的每个成员收集数据的时候。

样本是指我们收集某个群体的某些成员的数据。

如果我们想知道有多少美国人吸烟，我们可以询问美国的每个人（人口普查），或者我们可以询问 10 000 人（样本）。

人口普查是准确的，但很难做到。一个样本是不准确，但更容易做到。

抽样条款

人口是我们想要从中收集信息的一组个体（对象）。

人口普查是关于人口中每个人的信息。

样本是关于一部分人口的信息（为了代表所有人）。

随机样本

为了使样本能够代表总体，必须随机收集样本。

随机抽样，是一个样本，其中总体中的每个成员都有相等机会出现在样本中。

抽样偏差

抽样偏差当样本收集方式使得某些个体不太（或更大）可能被包含在样本中时，就会发生（错误）。

大数据

大数据是人类在没有先进机器的帮助下无法处理的数据。

大数据在大小方面没有任何定义，但随着我们不断收集越来越多的数据并以越来越低的成本存储数据，数据集变得越来越大。

数据挖掘

大数据带来了复杂的数据结构。

大数据处理的很大一部分是提炼数据。