線性迴歸總是跑不準？這份「模型進化指南」教你如何從數據處理到特徵工程全進化
你是不是也跟我以前一樣，剛學機器學習的時候，第一個接觸的就是「線性迴歸」（Linear Regression）？
那時候覺得這東西超簡單，不就是畫一條線穿過一堆點嗎？model.fit(X, y) 一行程式碼就收工了。但等我真的把這套東西拿到實戰場景，不管是預測公司的電商銷量，還是分析產品的轉化率，我才發現，現實數據根本不聽話。
分類 探索式資料分析
特徵選擇的科學方法：如何用皮爾森相關係數找到最關鍵變數？
在資料分析領域當中，我們在最初會探索資料特徵之間的關聯性，而資料特徵的主要類別為連續型資料以及類別型資料，本篇文章當中所提到的皮爾森相關係數（Pearson Correlation Coefficient），是用來估計兩個連續型資料資料之間的線性關係，用以比較它們的關係程度。
探索資料更快速：3種自動化探索式資料分析工具推薦（Exploratory Data Analysis Automation Tools）
探索式資料分析(EDA)是在獲得第一手資料後，進行最初的資料觀察與洞見，鑑於不同資料對應該領域的背景知識，身為資料分析人員的我們只能在資料當中探索出相關的資訊，此時自動化探索式資料分析工具就能夠發揮其作用。
【資料分析】探索式資料分析(Exploratory Data Analysis, EDA)
在獲取第一手資料的當下，可以讓人快速了解整體資料分佈的樣貌時，最好的方式就是將資料進行視覺化（Exploratory Data Analysis, EDA），而我們在尚未熟悉這份資料的時候，進行的視覺化分析，就被稱作探索式資料分析技巧。