java開發(fā)，轉(zhuǎn)大數(shù)據(jù)好還是機器學(xué)習(xí)？謝謝。我建議轉(zhuǎn)向大數(shù)據(jù)。我也從事java開發(fā)，我對這個主題的糾纏也有同樣的感受。畢竟，如果我精通Java，我已經(jīng)付出了大量的學(xué)習(xí)精力。如果我學(xué)習(xí)機器學(xué)習(xí)，我基本上

java開發(fā)，轉(zhuǎn)大數(shù)據(jù)好還是機器學(xué)習(xí)？

謝謝。我建議轉(zhuǎn)向大數(shù)據(jù)。

我也從事java開發(fā)，我對這個主題的糾纏也有同樣的感受。畢竟，如果我精通Java，我已經(jīng)付出了大量的學(xué)習(xí)精力。如果我學(xué)習(xí)機器學(xué)習(xí)，我基本上想告別Java，這無疑是一個非常不幸的選擇。

此外，轉(zhuǎn)向機器學(xué)習(xí)不僅需要深入了解python，還需要掌握數(shù)學(xué)算法，這是不可能一蹴而就的。因此，轉(zhuǎn)向人工智能的風(fēng)險相對較高，很容易打亂一個人的職業(yè)規(guī)劃。

目前，大數(shù)據(jù)方向仍是一個需求量大、前景好的工作方向。Java廣泛應(yīng)用于大數(shù)據(jù)領(lǐng)域。單憑Hadoop生態(tài)系統(tǒng)就足以完成大量的大數(shù)據(jù)工作，而Hadoop和Java是分不開的。

最重要的是大數(shù)據(jù)方向不會低于機器學(xué)習(xí)的工資，機器學(xué)習(xí)還處于初級階段。別擔(dān)心工資問題。

如何進行數(shù)據(jù)的歸一化處理？

首先，測試集的標準化平均值和標準偏差應(yīng)來自訓(xùn)練集。如果您熟悉Python的sklearn，您應(yīng)該知道應(yīng)該首先對訓(xùn)練集數(shù)據(jù)進行擬合，得到包括均值和標準差的定標器，然后分別變換訓(xùn)練集和驗證集。這個問題其實很好。很多人不注意。最容易犯的錯誤是在劃分訓(xùn)練測試集之前進行規(guī)范化。

第二個問題是不同歸一化方法的選擇，如均值方差歸一化、最大最小歸一化等。歸一化的目的是調(diào)整每個場之間的數(shù)量級差異。均值-方差歸一化可能更適合不知道數(shù)據(jù)邊界在哪里的情況。最大和最小規(guī)格化相當于積分到01，這意味著您知道該字段的邊界在哪里。所以我個人更喜歡均值方差的標準化。我只是憑經(jīng)驗說的，不一定是對的。