北京
刚踏入数据科学领域时，我几乎被铺天盖地的术语淹没：回归、分类、聚类、降维、推荐系统、神经网络……这个清单永远也列不完。每一个新名词都像另一扇迷宫的门，让人越陷越深。我甚至觉得，在AI时代才起步的自己，已经远远落后了。
但记录学习旅程让我开始问自己几个根本的问题：我们到底在解决什么？为什么相似的问题需要几十种算法？数据科学家究竟如何选择技术？答案其实很简单：先别急着选算法，先看清问题的真面目。
多数预测型机器学习任务其实只归为两大类：分类——预测一个类别，比如一封邮件是不是垃圾邮件；回归——预测一个连续数值，比如房价。然而，数据科学的疆域远不止这两个山头。我们还会遇到客户聚类、欺诈检测、数据降维、趋势预测、产品推荐、文本处理、图像分析等五花八门的挑战。
关键的一步，是在碰任何算法之前，先把手伸进数据里。现实世界的数据可从来不是整齐干净的表格。每一秒，企业都在喷涌出海量信息：应用日志、服务器指标、客户交易、点击流、传感器读数、社交媒体动态……这已经不叫“数据”，而是名副其实的“大数据”。
分类与回归只是导航的北极星，真正的战场在于理解数据本身的混乱与丰富。所以，下一次当你面对密密麻麻的算法列表时，不妨先退后一步，问问自己：我面对的是哪一类问题？我的数据长成什么样？这种思维转变，比死记硬背十个算法都管用。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
