机器学习专题

面向业务的数据科学

Ramnath Vaidyanathan

VP of Product Research, DataCamp

时间序列预测

• 时间是一个特征
• 考虑每周、每月或每年的趋势

季节性

• 每周：周五电视收视更低
• 每月：发薪期末支出更高
• 每年：冬季冰淇淋更少

自然语言处理

• 数据集为文本
  • 客户评价
  • 推文
  • 病历
  • 邮件主题
• 可能的用途
  • 情感分类
  • 病历聚类

词频

句子	Texans	Giants	football	great
The Texans are a great football team.	1	0	1	1
The Giants are a great football team.	0	1	1	1

词频的问题：否定

句子	Texans	Giants	football	great	not
The Giants are a great football team.	0	1	1	1	0
The Giants are not a great football team.	0	1	1	1	1

词频与同义词

• 词频无法考虑同义词
• 例如："blue"
  • "sky-blue"
  • "aqua"
  • "cerulean"
• 希望合并为一个特征

词向量

• 创建将相似词分组的特征
• 特征具有数学含义：

king - man + woman = queen

回顾

• 时间序列预测
  • 时间是一个特征
  • 季节性
• 自然语言处理（NLP）
  • 文本作为输入数据
  • 词频
  • 词向量

Passons à la pratique !

面向业务的数据科学