資料科學的日常

作者

- © 吳彥霖

研究議題

ML 建模

• 機器學習模型的簡介
  藉由白話簡潔的圖文敘述，介紹機器學習的基礎概念與演算法，且建立正確的應用概念。

• 資料科學的特徵工程
  介紹特徵轉換與特徵萃取的方法，且針對訓練 ML 模型時所遭遇的瓶頸，提供優化 ML 模型的策略方向。

資料前處理

• 直方圖的分箱方法
  介紹 6 種常見的分箱數計算方法，且探討每種方法的適用情境。

• 核密度估計 KDE
  介紹核密度估計的概念，與說明其實作的細節。

• 常態性與同質性檢定
  介紹常見的檢定方法，且探討不同檢定方法的適用性差異。

• 關聯性與相關性
  介紹關聯性與相關性的統計評估指標，且探討其適用情境。

• 特徵縮放 Feature Scaling
  介紹特徵縮放的常見方法，且說明其對於機器學習演算法的必要性。

ML 模型評估

• 判定係數 R-Squared 的解讀
  彙整判定係數的概念與常見的誤解。 👈

• 機器學習模型指標的關係
  在迴歸問題中，模型的解釋能力指標 R2 與預測能力指標 MAE、RMSE 的關係。

• 平均反正切絕對百分比誤差 MAAPE
  在迴歸問題中， MAAPE 能克服 MAPE 當實際值為 0 的問題。

ML 模型監控

• 模型監控的觀念與策略
  在迴歸問題中，模型的監控指標超標，意味著兩種可能 : 過擬合或模型飄移。

• 單點預測誤差的監控
  在迴歸問題中，單點預測誤差的監控上界，可採用回測 MAE 作為界限的設定基準，其相當於回測的單點絕對誤差分布的 0.8 倍標準差。

其他

• 2024 台灣資料科學領航計畫
  此計畫旨在創造一個資料科學討論與交流園地，藉由業界前輩們的經驗分享，協助學生與社會新鮮人能有更清晰的職涯規劃與發展。