猫咪数据科学：第一部分

理解问题

理解问题

想象一下，你是一只猫，对薯片痴迷不已，却对数据科学一窍不通。你有个人类朋友，他有很多数据，却懒得去处理。你太爱薯片了，有一天你决定推出自己的金枪鱼口味薯片品牌。你不确定人类会不会喜欢你的金枪鱼口味薯片，也不知道该如何定价，更不知道未来的市场需求会如何。于是你打电话给你的人类朋友寻求建议，因为他有很多相关数据，而数据可以创造奇迹。

你的人类朋友同意提供数据并告诉你如何使用。现在你有了数据，正计划确定问题并从数据中找到答案。首先，你想知道人类是否会喜欢你的金枪鱼口味。你的人类朋友解释说，如果你随机从人类中挑选一个至少吃过一次薯片的人，问他是否喜欢薯片，答案只有两个：喜欢或不喜欢。同样地，如果你问他们喜欢酸奶油、番茄和烧烤口味中的哪一个，答案肯定不会是墨西哥辣椒。因此，在这类问题中，你可以从一组确定的选项中选择答案。你的人类朋友现在告诉你，你已经成功地解决了分类问题。

现在你开始思考其他问题了。如何才能对价格有个大致了解呢？你开始查看数据，发现一包16盎司的Hay's洋葱酸奶油味薯片售价3.66美元，一包8盎司的Tingles番茄莎莎味薯片售价2美元。你注意到数据中包含了薯片的各种信息，例如包装大小、口味、配料等等，但并非所有薯片的价格都是3.66美元或2美元。根据尺寸或配料等因素，价格会在一个范围内波动。例如，如果前五种薯片的价格分别为：2.19美元、4.10美元、3.50美元、2.20美元和2.50美元，那么第六种薯片的价格并不一定非得在这些价格范围内。它的价格可能是1.99美元，也可能是4.50美元，这取决于口味的复杂程度和包装大小。你心里默默记下，你的人类朋友把这称为退行性问题。

听到你兴奋地喵喵叫，你的人类朋友决定给你解释一种特殊的回归分析。他称之为时间序列回归。这是一种特殊的回归分析，它利用过去某个时间点的数值来预测未来的数值。你突然意识到，你的第三个问题就是一个时间序列问题，你试图利用本月、上月以及之后每个月的需求数据来预测下个月薯片的需求量。换句话说，下个月的销量可以根据本月的销售记录来预测。你还没有完全理解这种回归分析的所有细节，但人类朋友说他稍后会解释。

现在，人类认为你已经准备好利用这些数据开展一些实际工作了。他相信你已经理解了如何确定你的问题，以及应该采取哪种方法来解释你的问题。