机器学习主要解决的是预测问题和聚类问题。
1.确定目标
- 业务需求:要解决什么样的问题;
- 数据:围绕这个问题去收集一些历史数据;
- 特征工程:数据预处理(如数据清洗、数据集成、数据变换、数据规约等),根据要解决的问题提取出一些特征。(重要!!!)
2.训练模型
- 定义模型:根据具体要解决的问题;
- 定义损失函数:预测的结果与真实的结果之间的偏差最小的函数;
- 优化算法:损失函数取极小值。
3.模型评估
- 交叉验证
- 效果评估
机器学习主要解决的是预测问题和聚类问题。
1.确定目标
2.训练模型
3.模型评估