Blog

我目前的职位是数据科学经理，与多个数据科学家一起工作，我看到他们中的许多人在研究大数据时犯了一些基本的数据操作错误（我以前也犯过一些这样的错误）。这些错误会导致代码执行时间大幅度增加，有时还会导致大量返工，浪费时间和精力。

在许多现实生活场景中，为了便于管理，我们将数据存储在不同的文件中，经常需要将它们合并成一个更大的DataFrame进行分析。Pandas为我们提供了各种方法来合并DataFrame，如concat和merge。此外，它还提供了用于比较的实用程序。我们将通过示例来了解这两种方法的工作原理。对于本教程，我们将假设你具备Python和Pandas的基本知识。

决策树是一种非监督学习方法，可用于分类和回归任务。目标是建立一个模型，通过学习从数据特征推断的简单决策规则来预测目标变量的值。决策树是机器学习算法之一，容易过度拟合。剪枝是一种技术，它删除了决策树中阻止其生长到完全深度的部分。它从树中移除的部分是不提供对实例进行分类的功能的部分。一个被训练到其最大深度的决策树很可能会导致过度拟合训练数据，因此剪枝是很重要的。

在许多现实生活场景中，为了便于管理，我们将数据存储在不同的文件中，经常需要将它们合并成一个更大的DataFrame进行分析。Pandas为我们提供了各种方法来合并DataFrame，如concat和merge。此外，它还提供了用于比较的实用程序。我们将通过示例来了解这两种方法的工作原理。对于本教程，我们将假设你具备Python和Pandas的基本知识。

数据科学能让品牌以一种迷人而有力的方式传达他们的故事，这是它日益受欢迎的最大原因。当品牌和公司综合利用数据时，可以与目标受众分享他们的目标，从而建立更好的品牌连接。毕竟，没有什么比一个能灌输所有人类情感的有效而有力的故事更能打动消费者了。

疫情之后，美国的经济也遇到一些罕见的情况，很多公司都开始缩减招聘预算，在这种复杂的情况下，我们很有必要看看还有哪些公司在招人？哪些行业还在持续增加招聘预算？准备这些企业的面试需要注意哪些问题？怎样提升面试的成功率？

在这些领域使用的数据通常只有不到 1% 的罕见但“有趣”的事件（例如使用信用卡的欺诈者、用户点击广告或损坏的服务器扫描其网络）。然而，大多数机器学习算法不能很好地处理不平衡的数据集。本文介绍的七种技术可以帮你训练分类器来检测异常类。