模型，算法，数据的结与“解”

前一篇写过关于数据的认知，感觉理解的还是不到位，再写一次。
采用周志华老师出版的西瓜书来阐述相关概念：

数据（raw data/data）：一般包括未经处理的样本（图片，文本，声音，视频），经过处理（数值，向量），也是客观事物的属性、数量、位置及相关关系的抽象表示。数据集，样本（记录），特征（反应对象在某方面的表现，也称为属性），数据标注（打标签）。见 数据的认知。

数据集一般会被划分为训练集和测试集，很多时候还会划分出验证集。训练集用于训练得到神经网络模型，然后用验证集验证模型的有效性，挑选获得最佳效果的模型，直到我们得到一个满意的模型为止。

算法（algorithm）: 把你的数据输入你认为可能是佳选择的机器学习算法，并行或依次运行这些算法，最后评估算法的表现，选出最好的那个。在决定使用哪种算法时，必须考虑数据的类型和种类。训练过程需要依据某种章法进行运算。这个章法，就是算法。

算法 ==（数据—>模型），经验数据 + 算法 == 模型

训练：根据已经被指定的 f(x) 的具体形式——模型类型，结合训练数据，执行某个学习算法，计算出其中各个参数的具体取值的过程。

模型（model）: 通过训练数据得到的结果（从数据中学到的结果），可以用来预测，线性模型（线性回归，逻辑回归），非线性模型（神经网络，深度学习和支持向量机），目标是很好的适用于"新样本"（泛化能力）。

**特征工程：**确定用哪些特征来表示数据；确定用什么方式表达这些特征（数据增强）。

使模型更易于解释（比如分箱）
抓取更复杂的关系（比如神经网络）
减少数据冗余和维度（比如主成分分析）
重新缩放变量（比如标准化或正则化）

算法工程师的职责包括：研发新算法；针对现实问题构造目标函数，选取并优化算法求解；将他人研究的最新算法应用到自己的业务问题上。