logo
Loading...

挑選 Mr./Ms. Right ?顧客下次會買哪些東西? 半導體的良率預測? Q1:哪一個問題不適合用資料科學解決? Q2:以你的角度來分析,為什麼這樣的問題,較不適合用資料來解決? 將答案寫在論壇中,大家一起互相討論激盪。? - Cupoy

A1 : 挑選 Mr./Ms. RightA2 : 挑選 Mr./Ms. Right這個問題較為主觀...

挑選 Mr./Ms. Right ?顧客下次會買哪些東西? 半導體的良率預測? Q1:哪一個問題不適合用資料科學解決? Q2:以你的角度來分析,為什麼這樣的問題,較不適合用資料來解決? 將答案寫在論壇中,大家一起互相討論激盪。?

2021/02/22 下午 08:54
淺談資料科學與 EDA 所扮演的角色與重要性 (4/28更新)
王奕翔
觀看數:16
回答數:3
收藏數:0

A1 : 挑選 Mr./Ms. Right A2 : 挑選 Mr./Ms. Right這個問題較為主觀,且較少案例有多個data(一人有多次找到Mr./Ms. Right的經驗)可以進行分析,因此不僅難以設定 model 的參數,更缺乏training data 判別 function的好壞,最終導致無法準確解決問題。

回答列表

  • 2021/02/23 上午 01:42
    Yun
    贊同數:0
    不贊同數:0
    留言數:0

    就像你說的 挑選另一伴的範例 裡面參雜許多無法具體化的變數 不適合用資料科學解決的問題.應該多數是 較無規律性的數據結構, 因為喜歡的東西 標準會隨時間改變 主觀的數據是很難量化的 就好像 今天不知道吃什麼 希望通過AI來給予推薦 但是你如果沒先想好至少口味, 機器判斷出來給你的食物推薦 也較可能是你不感興趣的 或者平常喜歡吃辣 但是今天嘴巴破洞 但AI依舊以歷史的紀錄來判斷 你喜歡跟想吃辣

  • 2021/02/23 下午 03:08
    Mora
    贊同數:0
    不贊同數:0
    留言數:0

    對的,如何選擇對的人,目前較不適用資料科學解決唷!, 大致上,是否能資料科學解決,可以先檢查下面三個面向, 1.是否能定義出問題? 2.大家是否有一致的變數來描述這個問題? 3.是否能收集到量化的資料? 與你分享其他學員的答案,我覺得思考的蠻完整的。 https://www.cupoy.com/qa/collection/00000174C4BC1B93000000016375706F795F70726572656C656173654355/0000017563DA1A0F0000000D6375706F795F72656C656173654349/00000177B41EF3560000020E6375706F795F72656C656173655155455354

  • 2021/02/24 下午 02:28
    張維元 (WeiYuan)
    贊同數:0
    不贊同數:0
    留言數:0

    嗨,你好
    對哦,我的想法跟你類似,最主要的原因是「挑選 Mr./Ms. Right」這個問題難以量化, 並且太過於主觀。

    嗨,你好,我是維元,持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流,都可以追蹤我的 Facebook技術部落格 ,也會不定時的舉辦分享活動,一起來玩玩吧 ヽ(●´∀`●)ノ 以下分享一些我近期發表跟資料科學有關的文章,歡迎大家持續追蹤: ■ 資料分析工具那麼多,該怎麼選? 🛠️
    真.資料團隊與分工
    觀察資料的 N 件事 🔖
    資料前處理必須要做的事 - 資料清理與型態調整