5个优秀人工智能框架

人们常会提到，当今流行的深度学习模型是黑箱状态——给它一个输入，模型就会决策出一个结果，其中的过程不为人所知。人们无法确切知道深度学习的决策依据以及结果是否可靠。近年来，越来越多的新研究面向构建可信的机器学习方法获得了成果。

然而最近发生的一件事情告诉我们，很多时候被广泛应用的机器学习模型出问题的原因，压根就不会深入到算法层面。一点数据上的纰漏就会造成让人啼笑皆非的结果，而且最重要的是，这样的事比所谓「模型不可解释」造成的损失还要多出不少。

上个星期，美国宾夕法尼亚州历史保护官员和交通部门之间发送了大量邮件，其中内容混合了悲伤、困惑和沮丧的情绪。这一丑闻造成的影响仍在继续，在官方做出回应之前，我们还不能了解更多情况（尽管此事在当地考古学家之间已经人尽皆知了）。

一个价值 36.5 万美元的机器学习模型打了水漂。

发生甚么事了？

五年前，一些人带着创意拜访了宾州交通部，提出为史前考古遗址创建一个全州范围预测模型。最终，政府部门选择与一家大型工程公司合作，后者一直在考古调查方面花钱。
 

03 Tableau

曾经，为了丰富个人可视化技能、拓宽数据分析工具，也专门花了一段时间学习tableau的运用，这可能也是商业数据分析师的必备技能之一，不过个人目前也仅仅是偶尔用它画个图而已。tableau本身功能还是极其强大的，支持多种数据源读取、内置了类SQL的字段处理功能、提供了丰富的图表库，工作表->仪表板->故事，三者层层递进，对于大屏展示和快速完成数据分析可视化报表异常高效，尤为擅长周期性动态监管的数据指标类仪表板。灵活的数据加载、强大的数据转换、简单的字段拖拽即可出图，这些都保证了快速生成报表的可能性。附个人常用的tableau制图技巧：

• Tableau可视化之多变折线图
• Tableau可视化之多变条形图
• Tableau可视化之多变地图
• Tableau可视化之多变饼图
• Tableau可视化之其他常用图表

04 网页在线工具

随着信息技术的不断成熟，其实很多数据可视化工作也逐渐搬移到线上轻量级完成，一些网页在线工具专门用于执行数据可视化，通过简单的灌入数据，一张张样式丰富的图表便很快呈现，而且大多都是零门槛易实现。这里仅列举两个：

• 百度Echarts，这真算的上是百度的一个良心工具了，内置了大量的图表模板，仅需选定样式->更改数据即可轻松实现，而且支持交互。前面介绍的pyecharts其实就是百度Echarts的Python语言版
• 词云在线网站。其实词云在线网站还是比较多的，这里不具体给出，可参考历史文章生成词云的几种方式查看。值得指出的是，本公众号的logo其实就是基于其中的一个网站生成的……

05 小结

数据可视化对于一名数据分析师而言确实很重要，好的可视化效果甚至称得上是安身立命装X加薪之本。然而，虽然可视化图表选择众多，但其实也不能过于追求标新立异，例如桑基图、瀑布图、南丁格尔图等，特定场景下用用可能效果感人，但绝大多数情况下，Simple is better than complex，折线图、条形图、饼图、散点图这四大基本图表类型仍然是朴实无华的首选。

（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!