机器学习和人工智能——需要仔细思考在 JMP，我们是教授的粉丝大卫·J·汉德，世界知名、屡获殊荣的统计学家、作家和演说家。 所以在最新一集中从统计上讲，我们很高兴地介绍他关于“评估机器学习算法的性能”的富有洞察力的全体演讲。
在这个视频剪辑中，他考虑：“我们如何判断分类器有多好？”并认为出于多种原因，我们需要考虑这一点。
全体会议之后与三位杰出的统计学家进行了讨论：
- 戴安娜·巴拉德 (Diana Ballard)，布鲁尔科学 (Brewer Science) 的统计学家，拥有 20 多年的制造统计经验。
- Jason Brinkley，生物统计学家、数据科学家和健康研究员，领导 Abt Associates 数据科学、调查和支持技术部门的研究设计和分析团队。
- Jim Georges，他是 SAS 高级分析实验室的负责人。
他们的讨论在很多方面都具有启发性。 讨论中的一些亮点包括：
- 收集高质量数据和做好数据准备的重要性（因为所有数据都有问题）。
- 真正的价值看着在数据。
- “统计策略”对于最好地构建和解决手头问题的关键作用。
当我反思本周在美国的感恩节时，我感谢这一集中的统计学家从统计上讲以及所有使用数据可视化和统计数据发现洞察力并做出更明智决策的创造性问题解决者。
David Hand 发表了富有洞察力的全体会议：评估机器学习算法的性能。
分析JMP博客
