如何掌握数据科学界的“黑色黄金”?(11)_数据就是新的石油。现在进入算法世界的

为了解决符号表达式输入问题，可以容易地利用Python包SymPy ，它允许理解、渲染和评估符号数学表达式，达到了相当复杂的程度。

例如，我们可以将符号表达式作为平方项（x2）和正弦项（如sin（x））的乘积，并由此创建随机回归数据集。

或者，可以生成用于测试神经网络算法的基于非线性椭圆分类边界的数据集。注意，在下面的图中，展示了用户是如何输入符号表达式m='x1**2-x2**2'并生成这个数据集的。

使用“pydbgen”库生成分类数据

虽然许多高质量的基于现实生活的数据集在网上就有，可被用来尝试很酷的机器学习技术，但从个人经验来看，学习SQL时情况并非如此。

对于数据科学专家来说，基本熟悉SQL几乎与知道如何用Python或R编写代码一样重要。但是使用真实分类数据（如姓名、年龄、信用卡、社保号码、地址、生日等）访问足够大的数据库并不像访问Kaggle上的玩具数据集那样常见， Kaggle是专门为机器学习任务而设计策划的。

如何掌握数据科学界的“黑色黄金”?(11)