极客梦的专栏

作为自然语言处理中的小学生，喜欢各种新型深度学习框架，无论转载还是原创，旨在督促自己学习更多的知识。写的好与不好作为参考，大家一起交流上进。作为自己文档的“github”使用，积累，分享，开放。

原创 2017-04-27 Kai Wähner 翻译｜谢旭 审校｜张卫滨 本文比较了用于数据准备的几种方法，它们分别是提取-变换-加载批处理（ETL）、流式获取和数据整理。本文还讨论了数据准备如何与可视化分析相关联，以及不同用户角色（如数据科学家或业务分析人员）应如何共同构建分析模型的最佳实践。 要点 ● 在常见的机器学习/深度学习项目里，数据准备占去整个分析管道的60％到80％。

关于如何解释机器学习的一些方法 到现在你可能听说过种种奇闻轶事，比如机器学习算法通过利用大数据能够预测某位慈善家是否会捐款给基金会啦，预测一个在新生儿重症病房的婴儿是否会罹患败血症啦，或者预测一位消费者是否会点击一个广告啦，等等。甚至于，机器学习算法还能驾驶汽车，以及预测大选结果！… 呃，等等。它真的能吗？我相信它肯定可以，但是，这些高调的论断应该在数据工作者（无论这些数据是否是『大』数据）以及机