Khoa học dữ liệu
Đã giới thiệu| English | Ý nghĩa |
|---|---|
| data science/ˈdeɪtə ˈsaɪəns/ | khoa học dữ liệu |
| descriptive statistics/dɪˈskrɪptɪv stəˈtɪstɪks/ | thống kê mô tả |
| visualisation/ˌvɪʒuːəlaɪˈzeɪʃn/ | trực quan hóa |
| correlation is not causation/ˌkɒrɪˈleɪʃn ɪz nɒt kɔːˈseɪʃn/ | tương quan không phải là nguyên nhân |
Năm sinh viên trả lời, nhưng chỉ bốn người cung cấp thời gian
- Một cuộc khảo sát đi lại giả tưởng có năm hàng: 10, 20, 30, 40 và một ô trống, được đo bằng phút. Việc coi ô trống bằng không sẽ thay đổi kết quả.
- Khoa học dữ liệu kết hợp câu hỏi, chuẩn bị dữ liệu, phân tích và diễn giải. Hãy bắt đầu bằng cách nêu rõ câu hỏi liên quan đến những sinh viên nào và hành trình nào.
Kiểm tra ý nghĩa của một giá值得 nghi ngờ
- Kiểm tra đơn vị, giá trị không khả thi, các hàng lặp lại và các trường bị thiếu. Một giá trị lặp lại không tự động là một người trùng lặp, và một giá trị bất thường không tự động là một lỗi.
- Giữ hồ sơ về từng sửa chữa hoặc loại bỏ. Nếu một trường bị trống, các trường còn lại có thể sử dụng trong hàng đó vẫn có thể hỗ trợ một phân tích khác.
Xóa bỏ mọi hàng chứa bất kỳ trường trống nào luôn là một quyết định làm sạch trung tính.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Các trường hữu ích có thể vẫn còn, và sự thiếu hụt dữ liệu có thể gây thiên lệch đối với những quan sát được giữ lại.
Hai thời gian di chuyển bằng nhau chứng minh rằng một hàng là người trả lời bị trùng.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Các người trả lời khác nhau có thể đưa ra cùng một thời gian. Kiểm tra hồ sơ danh tính và thu thập trước khi xóa dữ liệu.
Sử dụng mẫu số khớp với câu hỏi
- Thống kê mô tả tóm tắt dữ liệu quan sát được. Ở đây, tổng bốn thời gian được ghi nhận là 100 phút: trung bình 25 và trung vị 25, dựa trên bốn thời gian hợp lệ từ năm người trả lời.
- Một biểu đồ trực quan nên nêu rõ đơn vị và quần thể. Đừng gán nhãn trung bình là trung bình của cả năm sinh viên trừ khi giá trị bị thiếu đã được giải quyết.
Thời gian đã ghi nhận là 10, 20, 30 và 40 phút, cộng thêm một ô trống. Trung bình của các thời gian đã ghi nhận là bao nhiêu?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Tổng 100 được chia cho bốn giá trị thời gian ghi nhận hợp lệ, cho ra kết quả là 25 phút.
Chọn biểu đồ cho sự so sánh
- Sử dụng biểu đồ cột để so sánh các danh mục, biểu đồ đường cho chuỗi thời gian có thứ tự và biểu đồ phân tán để xem xét hai biến số liên quan đến nhau.
- Đặt tiêu đề hữu ích, trục có nhãn, đơn vị và kích thước mẫu phù hợp. Người xem cần biết mỗi giá trị đại diện cho điều gì.
Gắn mỗi phép so sánh với một biểu đồ khởi đầu phù hợp.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Chọn một biểu đồ thể hiện mối quan hệ của dữ liệu.
Trục không nhãn vẫn giúp người đọc biết được đơn vị và biến số đang đo lường một cách đáng tin cậy.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Cung cấp biến số và đơn vị; người đọc không nên phải đoán mò.
Tách biệt một mô hình khỏi nguyên nhân của nó
- Sự tương quan không phải là nguyên nhân: mối quan hệ quan sát được chỉ đơn thuần không chứng minh rằng một biến đã tạo ra biến kia. Các yếu tố khác và thiết kế nghiên cứu đều quan trọng.
- Nếu một cuộc khảo sát phát hiện những người đi làm xa hơn ngủ ít hơn, hãy mô tả mối liên kết trong nhóm người tham gia. Đừng kết luận rằng việc thay đổi thời gian di chuyển duy nhất sẽ làm thay đổi giấc ngủ.
Những người tham gia khảo báo cáo đi làm xa hơn thì ngủ ít hơn. Kết luận nào được hỗ trợ?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Quan sát này không tách biệt được mối quan hệ nhân quả hay chứng minh cho một tuyên bố về quần thể rộng lớn hơn.
Báo cáo một phát hiện cùng với giới hạn của nó
- Báo cáo: “Bốn lần di chuyển được ghi lại có trung bình 25 phút; một trong năm người tham gia không cung cấp thời gian.” Sự thiếu dữ liệu có thể ảnh hưởng đến tính đại diện của kết quả.
- Nêu rõ phạm vi mẫu và thu thập trước khi khuyến nghị hành động. Một cuộc khảo sát chỉ ở một lớp học không khẳng định kết quả cho mọi học sinh trong thành phố.
Câu hỏi → kiểm tra dữ liệu → tính toán minh bạch → biểu đồ có nhãn → kết luận có giới hạn. Giá trị thiếu và ranh giới mẫu thuộc về phần giải thích.
Viết một hạn chế của cuộc khảo sát 60 học sinh từ một lớp học duy nhất.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
Một lớp học có thể khác biệt so với các lớp khác, do đó kết quả không nên tự động suy rộng ra toàn thành phố.
Báo cáo nào trình bày kết quả đi làm một cách minh bạch?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Nêu mẫu số hợp lệ và số lượng giá trị bị thiếu.