本文详细介绍了机器学习中的三要素：数据（包括源数据、向量空间模型和有标注数据）、模型（作为机器学习的结果，通过训练得到）和算法（如梯度下降法，用于优化模型）。重点讨论了数据转换、特征工程、模型训练及有监督学习中的损失函数和优化算法。强调了高质量标注数据对模型质量的重要性。
机器学习三要素包括数据、模型、算法。简单来说，这三要素之间的关系，可以用下面这幅图来表示：
总结成一句话：算法通过在数据上进行运算产生模型。
下面我们先分别来看三个要素。
数据
关于数据，其实我们之前已经给出了例子。
源数据
上一篇中，图1老鼠和其他动物和图2小马宝莉六女主就是现实中的两份样本集合。如果我们要训练“老鼠分类器”，或者做“小马种族聚类” 分析的话，它们就是原始数据（Raw Data）。
不过，我们之前也说了，计算机能够处理的是数值，而不是图片或者文字。
向量空间模型和无标注数据
那么，我们就需要构建一个向量空间模型（Vector Space Model/VSM）。VSM 负责将一个个各种格式（文字、图
订阅专栏 解锁全文
扫一扫
5356
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
