Add comment of Conclusions and Document Findings

机器学习竞赛实战_优胜解决方案/建筑能源利用率预测/3_模型解释与分析_建筑能源利用率预测.ipynb

@@ -74978,6 +74978,35 @@
   {
    "cell_type": "markdown",
    "metadata": {},
+   "source": [
+    "## 得出结论并记录结果\n",
+    "\n",
+    "机器学习流程的最后一部分可能是最重要的：我们需要将所学的东西压缩成一个简短的摘要，只突出最关键的发现。就个人而言，我们很难避免解释所有的技术细节，因为我们会去理解、深入所有流程。然而，需要你介绍的人可能没有太多的时间去听所有的细节，只想听听重点部分。学习提取数据科学或机器学习项目中最重要的元素是一项关键技能，因为如果我们的结果不被其他人理解，那么它们就永远不会被使用！\n",
+    "\n",
+    "以下是沟通时，相对重要的两条信息：\n",
+    "* 利用给定的建筑能耗数据，机器学习模型可以预测建筑物的能源之星得分的平均绝对误差在9.1分以内。\n",
+    "* 确定能源之星得分的最重要变量是Energy Use Intensity、Electricity Use Intensity和Water Use Intensity。\n",
+    "\n",
+    "如果有人问细节，那么我们可以很容易地解释所有的实现步骤，并展示我们（希望）有良好文档记录的工作。机器学习项目的另一个重要方面是，您已经注释了所有代码并使其易于遵循！你希望其他人（或几个月后你自己）能够看到你的工作，完全理解你所做的决定。理想情况下，您应该在编写代码时考虑到它将被再次使用。即使是我们自己做项目的时候，练习适当的文档也是很好的，当你想重温一个项目的时候，它会让你的生活更轻松。\n",
+    "\n",
+    "展示你的作品\n",
+    "* 有关的report在data文件夹下\n",
+    "\n",
+    "\n",
+    "数据科学和机器学习资源：\n",
+    "* [Hands-On Machine Learning with Scikit-Learn and Tensorflow](http://shop.oreilly.com/product/0636920052289.do)\n",
+    "    * [Jupyter Notebooks for this book](https://github.com/ageron/handson-ml) are available online for free!\n",
+    "* [An Introduction to Statistical Learning](http://www-bcf.usc.edu/~gareth/ISL/)\n",
+    "* [Kaggle: The Home of Data Science and Machine Learning](https://www.kaggle.com/)\n",
+    "* [Datacamp: Good Beginner Tutorials for Practicing Coding with a Focus on Data Science](https://www.datacamp.com/)\n",
+    "* [Dataquest: Hands on Lessons for Data Science Programming](https://www.dataquest.io/)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
    "source": []
   }
  ],