3、数据科学实践：从基础概念到项目实战

数据科学实践：从基础概念到项目实战

1. 数据驱动决策的用例

在数据驱动决策的场景中，以雨伞销售为例。假设你负责一家雨伞制造公司的营销工作，目标是提高销售额。若降低现有雨伞的售价，能否预测出销售量呢？这一问题凸显了数据在决策中的关键作用。

同时，还有多个不同领域的实际用例：
- 医疗保健 - 心脏病防治运动 ：作为医疗顾问，分析美国 35 岁以上人群的心脏病死亡率数据，为心脏病预防运动提出可能的应用案例，如跟踪心脏病死亡率随时间的趋势，或开发和验证预测心脏病死亡率的模型。
- 能源 - 公用事业活动 ：作为公用事业公司的业务分析师，为高耗电量社区制定营销和推广计划。可使用 AutoML 作为机器学习框架。
- 保险 - 广告媒体渠道销售预测 ：参与为保险公司制定媒体策略的团队，开发机器学习模型，根据不同媒体渠道的广告投入预测销售额。同样可选用 AutoML 框架。
- 金融 - 欺诈检测 ：为移动支付服务公司构建模型，预测金融交易是否为欺诈行为。因欺诈交易较少且部分会漏检，可使用 AutoML 框架处理模拟的交易数据。
- 能源 - 电力生产预测 ：预测联合循环发电厂（CCPP）在特定天气条件下的每小时净电力输出。可利用 Google 的 BigQuery 机器学习框架，结合 SQL 知识进行分析。
- 电信 - 客户流失预测 ：预测电信公司的客户流失情况。数据集包含数值和分类变量，可使用 scikit - lear