机器学习作为一种解决方案,并不是“万金油”,它只适用于一些特定的场景。在实际应用中,我们首先需要进行问题构建——即通过分析问题以隔离需要解决的各个元素的过程。问题构建有助于确定项目的技术可行性,并提供一组明确的目标和成功标准。在考虑机器学习解决方案时,有效的问题构建可以确定您的产品最终是否成功。
正式的框架构建是解决机器学习问题的关键开始,因为它会迫使我们更好地了解问题和数据,从而设计出问题和数据并架起桥梁。- TensorFlow 工程师
目录
1. 明确问题
在使用机器学习之前,首先要明确问题,以确定是否有必要且适合采用机器学习来解决问题,具体而言,需要完成以下任务:
- 明确正在开发或重构的产品的目标。
- 确定目标是否最好使用 ML 来解决。
- 确认您拥有训练模型所需的数据。