-
訓(xùn)練模型 定義模型 定義損失函數(shù) 定義偏差大小 定義一個(gè)線性回歸模型 找到偏差最小的一個(gè)函數(shù) 針對(duì)很大的一個(gè)數(shù)據(jù)集來說 不關(guān)心正負(fù)只在意絕對(duì)值 跟平方 一個(gè)分類問題 再考慮一個(gè)優(yōu)化算法 模型評(píng)估 從歷史數(shù)據(jù)中學(xué)習(xí)出來的 評(píng)估方法 交叉驗(yàn)證 效果評(píng)估 準(zhǔn)確率 （特征工程 featurn engineering）查看全部
-
確認(rèn)目標(biāo) 業(yè)務(wù)需求 數(shù)據(jù) 特征工程 舉例：滴滴打車 歷史數(shù)據(jù)收集 特征工程占比 大約在百分之70 模型的訓(xùn)練過程中 能做的調(diào)成對(duì)性能的提升效果不大 特征工程做的好與壞 更重要查看全部
-
解決問題的框架： 一：確定目標(biāo) 業(yè)務(wù)需求；知道要做什么。 數(shù)據(jù)；學(xué)習(xí)的基礎(chǔ)。 特征工程；ETL階段。 二：訓(xùn)練模型（重點(diǎn)） 定義模型；確定算法。 定義損失函數(shù)；找出算法的偏差。 優(yōu)化算法；對(duì)算法進(jìn)行優(yōu)化。 三：模型評(píng)估 交叉驗(yàn)證；將不同的算法帶入同一類數(shù)據(jù)中，驗(yàn)證效果。 效果評(píng)估；可以看出幾個(gè)算法之間具體的差別、效果。查看全部
-
算法的三種分類方法： 第一種： 有監(jiān)督、無監(jiān)督、半監(jiān)督 第二種： 分類與回歸、聚類、標(biāo)注 第三種： 生成（概率性的結(jié)果）、判別（肯定性的結(jié)果）查看全部
-
技術(shù)手段的不同查看全部
-
數(shù)據(jù)分析與機(jī)器學(xué)習(xí)在解決業(yè)務(wù)問題中的區(qū)別查看全部
-
數(shù)據(jù)分析：主要用于分析關(guān)系型數(shù)據(jù)庫數(shù)據(jù)。 交易數(shù)據(jù)、少量數(shù)據(jù)、采樣分析。 機(jī)器學(xué)習(xí)：主要用于分析NoSQL。 行為數(shù)據(jù)、海量數(shù)據(jù)、全量分析。查看全部
-
機(jī)器學(xué)習(xí)框架查看全部
-
常見算法查看全部
-
機(jī)器學(xué)習(xí)常見算法查看全部
-
機(jī)器學(xué)習(xí)的標(biāo)準(zhǔn)工作流程查看全部
-
常見算法-2 自然語言處理：LDA-文本分析；Word2Vector - 文本挖掘；HMM、CRF查看全部
-
機(jī)器學(xué)習(xí)常見算法查看全部
-
apriori 華人算法查看全部
-
損失函數(shù)用來評(píng)價(jià)模型的精確性，也就是偏差 讓損失函數(shù)求最小，就是優(yōu)化算法。查看全部
舉報(bào)
0/150
提交
取消