Module 01 · Defining Data Science and What Data Scientists Do
Data Science Topics and Algorithms数据科学家的青睐：算法、数据类型与回归解析
受访者分享了他们特别偏爱的概念和算法，并对数据类型进行了区分，同时用一个日常例子通俗地解释了回归分析。
数据科学家偏爱的概念与算法
| 概念/算法 | 偏爱原因 |
|---|---|
| 回归（Regression） | 这是帮助他们理解数据的首批概念之一，因此非常喜欢。 |
| 数据可视化（Data Visualization） | 认为这是关键要素，能帮助不熟悉数据科学的人理解所传达的信息。 |
| 人工神经网络（Artificial Neural Networks） | 充满热情。认为可以通过模仿大脑的生物行为，在算法中实现许多应用，因为“我们有很多东西需要向大自然学习”。 |
| R 语言数据可视化 | 热爱使用 R 语言进行数据可视化。 |
| 最近邻算法（Nearest Neighbor） | 尽管是最简单的算法之一，但它比许多“被过度膨胀、过度使用”的复杂算法更有可能给出最佳结果，因为后者很容易过度拟合。 |
结构化数据 vs. 非结构化数据
数据科学家需要处理不同形式的数据，通常将其分为结构化和非结构化两大类。
1. 结构化数据（Structured Data）
- 形式： 更像是表格数据（tabular data），例如您在 Microsoft Excel 格式中熟悉的内容。
- 特征： 具有行和列的组织形式。
- 处理： 如果数据能够很好地放入表格、列和行中，就属于此类。
2. 非结构化数据（Unstructured Data）
- 主要来源： 大多数来自网络（Web），不是表格形式，没有行和列。
- 数据类型： 文本、有时是视频和音频。
- 处理： 需要部署更复杂的算法来提取数据。
- 常见做法： 通常需要花费大量时间和精力从非结构化数据中提取一些结构，然后再进行分析。
- 例子： Web 日志，或尝试从海量网页中提取信息。
回归分析（Regression）的通俗解释
回归分析旨在确定变量之间的关系。受访者认为，如果乘坐过出租车，就能理解回归。
出租车费用的构成（即回归模型）
想象您乘坐出租车，车费由以下几部分构成：
| 变量 | 概念解释 | 回归中的对应项 |
|---|---|---|
| 固定金额（$2.50） | 您坐进出租车时必须支付的基准费用，与是否移动无关。 | 常数（Constant / 截距 Intercept） |
| 行驶距离 | 每行驶一段距离（例如每米或每百米），车费会增加特定金额。 | 距离与费用的关系（系数 β1） |
| 等待时间 | 当您堵在路上不动时，每增加一分钟，您需要支付额外的费用。 | 时间与费用的关系（系数 β2） |
回归的作用
在不了解这些关系（常数和系数）的情况下，仅知道乘客的行驶距离、等待时间以及他们支付的总费用：
- 确定常数： 回归分析允许您计算出您不知道的那个常数（即 $2.50 的基础车费）。
- 量化关系： 它会计算出费用与距离之间的关系，以及费用与时间之间的关系。
回归分析就是告诉您基础费用是多少，以及时间、距离与您支付的费用之间的具体关系。