颜色分类leetcode数据科学世界涵盖了一系列主题。数据科学涵盖了我们可以用数据做的任何事情。数据本身可以从电子表格、文件、json和数据库中采用多种形式。其中一些数据是干净的，因为它格式良好且填充一致，而其他数据则有许多异常和特性，需要在应用进一步的技术之前加以考虑。完成此预处理后，将应用回归、分类和神经网络等技术来预测有用的输出，例如预测值、建议电影推荐或生产自动驾驶汽车。在本课程中，我们将开始探索其中的许多技术，以及如何在实践中使用它们。为了让我们开始，这里概述了数据科学中一些最重要的概念和算法。预处理、数据处理和探索性数据分析数据社区中的一个普遍说法是，成功的一半是清理数据并将其转换为可用的格式。（通常你80%的时间这个数字会被抛出，尽管我还没有看到任何硬数据科学项目证实了这样的说法。）第一个问题总是“有哪些数据可用”？可能有一个大型的公司客户记录数据库供您挖掘。也许您还想将该数据与人口普查联系起来，以将销售数据与一般人口统计数据进行比较。一旦确定了一些可能有用的数据集，下一步就是概述如何将这些不同的数据集组合成一种有用的形式。