[ML-01] 机器学习概述-2

本文介绍了机器学习的工作流程,包括获取数据、数据处理、特征工程和模型训练与评估。强调了特征工程的重要性,并详细阐述了其内容。接着,文章对机器学习算法进行了分类,包括监督学习(回归与分类)、无监督学习、半监督学习和强化学习,提供了各种学习类型的定义和实例。
摘要由CSDN通过智能技术生成

四、机器学习工作流程

1 什么是机器学习

机器学习是从数据自动分析获得模型,并利用模型对未知数据进行预测。

在这里插入图片描述

2 机器学习工作流程

在这里插入图片描述

  • 机器学习工作流程总结
    • 1.获取数据
    • 2.数据基本处理
    • 3.特征工程
    • 4.机器学习(模型训练)
    • 5.模型评估
      • 结果达到要求,上线服务
      • 没有达到要求,重新上面步骤
2.1 获取到的数据集介绍

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 数据简介

    在数据集中一般:

    • 一行数据我们称为一个样本
    • 一列数据我们成为一个特征
    • 有些数据有目标值(标签值),有些数据没有目标值(如上表中,电影类型就是这个数据集的目标值)
  • 数据类型构成:

    • 数据类型一:特征值+目标值(目标值是连续的和离散的)
    • 数据类型二:只有特征值,没有目标值
  • 数据分割:

    • 机器学习一般的数据集会划分为两个部分:
      • 训练数据:用于训练,构建模型
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值