第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

機(jī)器學(xué)習(xí)解決問題的框架：確定目標(biāo)、業(yè)務(wù)需求、數(shù)據(jù)、特征工程

機(jī)器學(xué)習(xí)算法分類

算法分類（1）：有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)

算法分類（2）：分類與回歸、聚類、標(biāo)注

（重要）算法分類（3）：生成模型、判別模型

交易型數(shù)據(jù)（跟錢有關(guān)系的操作數(shù)據(jù)）使用關(guān)系型數(shù)據(jù)庫(kù)（MySQL SQLSEVER)

行為型數(shù)據(jù)使用NOSQL

什么是機(jī)器學(xué)習(xí)：

利用計(jì)算機(jī)從歷史數(shù)據(jù)中找出規(guī)律，并把這些規(guī)律用到對(duì)未來不確定場(chǎng)景的決策

機(jī)器學(xué)習(xí)解決問題的框架：

二、訓(xùn)練模型

STEP1：定義模型（形成目標(biāo)公式）

STEP2：定義損失函數(shù)（數(shù)學(xué)的方式定義預(yù)測(cè)值與現(xiàn)實(shí)值的差異）

STEP3：優(yōu)化算法（尋找確定損失函數(shù)極小值）

三、模型評(píng)估（標(biāo)準(zhǔn)）

STEP1：交叉驗(yàn)證

STEP2：效果評(píng)估

訓(xùn)練模型

（1）定義模型：確定模型，訓(xùn)練出模型的參數(shù)

（2）定義損失函數(shù)（定義偏差的大?。涸u(píng)價(jià)真實(shí)結(jié)果與模型的預(yù)測(cè)結(jié)果的相似程度和差異度。?機(jī)器學(xué)習(xí)解決的問題，有時(shí)不能得到精確解只能尋找近似解。 偏差最小的函數(shù)，針對(duì)很大的數(shù)據(jù)集，就是損失函數(shù)。 讓損失函數(shù)求最小，就是優(yōu)化算法。對(duì)于線性回歸模型，計(jì)算預(yù)測(cè)結(jié)果與實(shí)際結(jié)果的差值；對(duì)于分類模型，則需要定義自己的損失函數(shù)

（3）優(yōu)化算法：對(duì)算法進(jìn)行優(yōu)化，使損失函數(shù)取極小值，如梯度下降法......

機(jī)器學(xué)習(xí)借鑒問題的框架

機(jī)器學(xué)習(xí)常見算法

機(jī)器學(xué)習(xí)常見算法

機(jī)器學(xué)習(xí)算法分類

機(jī)器學(xué)習(xí)算法分類

算法分類：

1、監(jiān)督學(xué)習(xí)：分類算法、回歸算法

2、無監(jiān)督學(xué)習(xí)：聚類

3、半監(jiān)督學(xué)習(xí)：主要考慮如何利用少量的標(biāo)注樣本和大量的未標(biāo)注樣本進(jìn)行訓(xùn)練和分類的問題。主要分為半監(jiān)督分類，半監(jiān)督回歸，半監(jiān)督聚類和半監(jiān)督降維算法。

機(jī)器學(xué)習(xí)算法分類

算法分類1：

• 有監(jiān)督學(xué)習(xí)：提供了Y值（分類）的分類算法和提供了Y值（數(shù)字）的回歸算法

• 無監(jiān)督學(xué)習(xí)：無Y值，聚類算法

• 半監(jiān)督學(xué)習(xí)：先給一部分Y值，以達(dá)到訓(xùn)練的越來越好的目的

算法分類2：

• 分類與回歸

• 聚類

• 標(biāo)注

算法分類3：（重要、直指算法的本質(zhì)）

• 生成模型（告訴你屬于每一類的概率）

• 判別模型（給你一個(gè)函數(shù)，你把數(shù)據(jù)丟給函數(shù)，他返回給你一個(gè)結(jié)果就告訴你是哪一類）

二、解決業(yè)務(wù)問題不同

機(jī)器學(xué)習(xí)：預(yù)測(cè)未來事件（未來趨勢(shì)）

數(shù)據(jù)分析：報(bào)告過去事件（歷史總結(jié)）

三、技術(shù)手段、方法不同

機(jī)器學(xué)習(xí)：數(shù)據(jù)挖掘；數(shù)據(jù)（算法）驅(qū)動(dòng)；規(guī)模大

數(shù)據(jù)分析：OLAP；用戶驅(qū)動(dòng)（企業(yè)數(shù)據(jù)分析師的經(jīng)驗(yàn)等）；規(guī)模小；交互式分析

缺點(diǎn)：受限于分析師的經(jīng)驗(yàn)，分類的多樣化受限制

四、參與（驅(qū)動(dòng)）者不同

機(jī)器學(xué)習(xí)：數(shù)據(jù)+算法，數(shù)據(jù)質(zhì)量決定結(jié)果

數(shù)據(jù)分析：數(shù)據(jù)分析師，能力&經(jīng)驗(yàn)決定結(jié)果

五、服務(wù)用戶不同

機(jī)器學(xué)習(xí)：個(gè)體用戶

數(shù)據(jù)分析：公司高層

機(jī)器學(xué)習(xí)和數(shù)據(jù)分析的區(qū)別：

一、數(shù)據(jù)特點(diǎn)不同（數(shù)據(jù)類別、數(shù)據(jù)量、數(shù)據(jù)分析方法）

機(jī)器學(xué)習(xí)：行為數(shù)據(jù)（如搜索歷史、瀏覽歷史、點(diǎn)擊歷史、評(píng)論等）；海量分析，一致性要求相對(duì)不高；全量分析

數(shù)據(jù)分析：交易數(shù)據(jù)（與錢相關(guān)，如用戶訂單、存取款賬單、話費(fèi)賬單等）少量數(shù)據(jù)，一致性要求嚴(yán)格（如銀行存取款，數(shù)據(jù)精準(zhǔn)）；采樣分析

數(shù)據(jù)的特點(diǎn)：
交易數(shù)據(jù)vs行為數(shù)據(jù)
少量數(shù)據(jù)vs海量數(shù)據(jù)
采樣分析vs全量分析

交易數(shù)據(jù)要求數(shù)據(jù)一致性高（事務(wù)保證）。

NoSQL 適合存儲(chǔ)行為數(shù)據(jù)（一致性差）

關(guān)系型的 適合存儲(chǔ)交易數(shù)據(jù)（一致性高）

機(jī)器學(xué)習(xí)更多應(yīng)用