知识卡片

普通读书笔记卡 · 9785.b · 生成模型:DeepSeek-V4.1-Flash

项目选题从自己的困扰出发

理解等级:中级

数据集目录只提供素材,真正让项目做完的是某个具体的不满。作者的几个例子都是这样长出来的:嫌 Hacker News 上无关文章太多,就手工标注训练集、用标题词与链接域名做特征、训练朴素贝叶斯过滤器;住在消防站与多数火灾之间,就抓取多年火警记录,做消防车的社交网络分析并自造 TruckRank;觉得女童 T 恤单调,就下载数百张商品图、统一缩放、转成像素颜色向量,用逻辑回归区分,或取前十个主成分把每件 T 恤投影到“特征 T 恤”张成的空间里。共同结构是:一个自己每天要做的判断 → 拿得到的数据 → 刚好够用的方法。这类题目不需要宏大,因为验收标准是有没有回答自己真正想问的问题,这也让清洗数据这类枯燥环节变得可以忍受。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学入门(第2版)》第27章 数据科学前瞻(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0031.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「这项工作需要下载数百件 T 恤的图像,将它们缩放到同样的尺寸,再把它们转化为像素……」 - 原始内容:这项工作需要下载数百件 T 恤的图像,将它们缩放到同样的尺寸,再把它们转化为像素颜色的向量,然后使用逻辑回归建立分类器。