機器學習和人工智能——需要仔細思考在 JMP，我們是教授的粉絲大衛·J·漢德，世界知名、屢獲殊榮的統計學家、作家和演說家。 所以在最新一集中從統計上講，我們很高興地介紹他關於“評估機器學習算法的性能”的富有洞察力的全體演講。
在這個視頻剪輯中，他考慮：“我們如何判斷分類器有多好？”並認為出於多種原因，我們需要考慮這一點。
全體會議之後與三位傑出的統計學家進行了討論：
- 戴安娜·巴拉德 (Diana Ballard)，布魯爾科學 (Brewer Science) 的統計學家，擁有 20 多年的製造統計經驗。
- Jason Brinkley，生物統計學家、數據科學家和健康研究員，領導 Abt Associates 數據科學、調查和支持技術部門的研究設計和分析團隊。
- Jim Georges，他是 SAS 高級分析實驗室的負責人。
他們的討論在很多方面都具有啟發性。 討論中的一些亮點包括：
- 收集高質量數據和做好數據準備的重要性（因為所有數據都有問題）。
- 真正的價值看著在數據。
- “統計策略”對於最好地構建和解決手頭問題的關鍵作用。
當我反思本週在美國的感恩節時，我感謝這一集中的統計學家從統計上講以及所有使用數據可視化和統計數據發現洞察力並做出更明智決策的創造性問題解決者。
David Hand 發表了富有洞察力的全體會議：評估機器學習算法的性能。
分析JMP博客
