可复现性与参考文献

数据沟通概念

Hadrien Lacroix

Curriculum Manager

书面报告

 

报告必须清晰且可复现。

可复现性示例

 

• 烘焙蛋糕

  • 食谱
  • 原料
  • 我们的烤箱和量具
  • 味道相近的蛋糕

• 数据项目

  • 重新运行分析——相同结果

 

可重复性示例

• 烘焙蛋糕
  • 自带器具
  • 自备原料
• 数据项目
  • 不同环境

可复现性与可重复性的优点

 

• 避免重复劳动
• 在既有工作上迭代
• 专注新问题
• 同行评审
• 工具无关

最佳实践

1. 记录结果的产生过程
   • 充分记录脚本
     • 代码注释
   • 列出所用包与环境
   • 版本控制

最佳实践

1. 记录结果的产生过程
2. 避免手动处理数据
   • 数据版本管理
   • 保存原始数据与中间步骤
   • 适配并解决问题
   • 例：数据插补
     • 用均值填补缺失值
     • 保存并关闭编辑器
     • 最初被替换的是哪些值？如何得知？

最佳实践

1. 记录结果的产生过程
2. 避免手动处理数据
3. 控制随机性
   • 为 ML 流水线设置随机种子
   • 控制混杂变量

最佳实践

1. 记录结果的产生过程
2. 避免手动处理数据
3. 记录随机性
4. 可解释性
   • 理解决策原因或预测模型结果
   • 讲清有说服力的故事
   • 与可复现性相关

¹ Molnar C. Interpretable Machine Learning. 2019.

最佳实践

1. 记录结果的产生过程
2. 避免手动处理数据
3. 记录随机性
4. 可解释性
5. 正确引用文献

参考文献

 

• 引文是用于识别并定位特定出版物的基本信息

参考文献

 

• 风格各异，但逻辑相同
  • _图书_：作者（年份）。书名。出版社。
  • 期刊论文：作者。（年份）"文章标题。"期刊名，卷(期)，页码。
  • _网站_：作者。发表日期，"页面/作品标题。"网站名，位置

 

• APA 格式：
  • 文内引用（作者，年份）

参考文献

• 参考文献管理工具
  • 更易追踪
  • 可切换格式
  • 在线检索文献
  • 选项：
    • EndNote
    • Mendeley
    • RefWorks

参考文献

• 商业情境
  • 约束较少
  • 更简单（超链接）
  • ==> 信息可用且可检索

¡Vamos a practicar!

数据沟通概念