数据科学家必备技能

2)数据预处理：了解数据预处理同样至关重要，与其相关的主要概念如下：

a) 处理缺失数据

b) 数据重建

c) 处理分类数据

d) 在处理分类问题时对类别标签进行编码

e) 各种特征转换技术与降维方法，例如主成分分析法(PCA)、线性判别分析法(LDA)

4. 数据可视化

一个合格的数据可视化应具备以下几点：

a) 数据类型：在决定如何对数据进行可视化处理时，首先要了解数据的类型，比如它是分类数据、离散数据、连续数据、时序数据，还是其它种类。

b) 几何图形：需要根据数据类型选择合适的可视化方法，具体包括散点图、曲线图、条形图、直方图、qqplot图、密度图、箱形图、pairplot多变量图，以及热图等。

c) 映射：需要分别选择X轴与Y轴的变量。如果要分析的数据是一个包含多种特征值的多维数据集，那么这一步就尤为重要。

d) 标度：需要选择使用何种标度，例如线性标度或者对数标度。

e) 标签：此时所使用到的标签主要包括坐标轴、标题、图例、字号等。

f) 伦理道德：必须确保该可视化方法能够阐述事实。在对数据进行清理、总结，最后进行可视化处理过程中，必须注意自己的每一步操作，从而确保最终结果真实可靠，不会误导读者。

5. 基本的机器学习技能

机器学习是数据科学的一个重要分支，因此了解机器学习框架同样至关重要，比如问题框架、数据分析、建模、测评，以及模型应用。如果想要进一步了解机器学习框架，请点击此处：《机器学习过程》。

下文列出了一些重要的机器学习算法，应当加以学习。

(1)监督学习(连续变量预测)

a) 基本回归分析

b) 多维回归分析

c) 正则化回归

(2)监督学习(离散变量预测)

a) 逻辑回归分类器

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!