机器学习入门好文，强烈推荐! ! !

Posted 2021-07-04 ZSYL

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习入门好文，强烈推荐! ! !相关的知识，希望对你有一定的参考价值。

机器学习概述

1. 机器学习前言
2. 机器学习工作流程
3. 拓展阅读

1. 机器学习前言

要了解机器学习、深度学习与人工智能的关系，请参考：

人工智能入门好文，强烈推荐! ! !

三分钟搞清人工智能、机器学习与深度学习

2. 机器学习工作流程

2.1 什么是机器学习

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

在这里插入图片描述

2.2 机器学习工作流程

在这里插入图片描述

机器学习工作流程总结
- 1.获取数据
- 2.数据基本处理
- 3.特征工程
- 4.机器学习(模型训练)
- 5.模型评估
  - 结果达到要求，上线服务
  - 没有达到要求，重新上面步骤

2.2.1 获取到的数据集介绍

在这里插入图片描述

数据简介
在数据集中一般：
- 一行数据我们称为一个样本
- 一列数据我们成为一个特征
- 有些数据有目标值（标签值），有些数据没有目标值（如上表中，电影类型就是这个数据集的目标值）
数据类型构成：
- 数据类型一：特征值+目标值（目标值是连续的和离散的）
- 数据类型二：只有特征值，没有目标值
数据分割：
- 机器学习一般的数据集会划分为两个部分：
  - 训练数据：用于训练，构建模型
  - 测试数据：在模型检验时使用，用于评估模型是否有效
- 划分比例：
  - 训练集：70% 80% 75%
  - 测试集：30% 20% 25%

2.2.2 数据基本处理

即对数据进行缺失值、去除异常值等处理

2.2.3 特征工程

什么是特征工程

特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。

意义：会直接影响机器学习的效果

为什么需要特征工程

特征工程 (Feature Engineering)

机器学习领域的大神Andrew Ng(吴恩达)老师说“Coming up with features is difficult, time-consuming, requires expert knowledge. “Applied machine learning” is basically feature engineering. ”
注：业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。