目录
- 算法是核心,数据和计算是基础
- 找准定位
算法工程师:复杂模型的算法设计
开发工程师:分析很多的数据,分析具体的业务,应用常见的算法,特征工程、调参数、优化
- 我们应该怎么做
1、学会分析问题,使用机器学习算法的目的,想要算法完成何种任务
2、掌握算法基本思想,学会对问题用相应的算法解决
3、学会利用库或者框架解决问题
机器学习算法的判别依据
数据类型
- 离散型数据——由记录不同类别个体的数目所得到的数据,又称计数数据,所有这些数据全部都是整数,而且不能再细分,也不能进一步提高他们的精确度。
- 连续型数据——变量可以在某个范围内任取一数,即变量的取值可以是连续的,如:长度、时间、质量值等,这类数据通常是非整数,含有小数部分。
注:只要记住一点,离散型是区间内不可分,连续型是区间内可分
数据类型的不同应用
数据的类型将是机器学习模型不同问题不同处理的依据?
猫狗分类:0-1
文章类型:0-1-2-3-4
预测下月票房数据:连续型数据
机器学习开发流程
1、原始数据
- 公司本身就有数据
- 合作过来数据
- 购买的数据
2、数据的基本处理
pd去处理数据(缺失值、合并表...)
3、特征工程
特征进行处理——重要
分类、回归
4、找到合适的算法进行预测
根据数据(目标数据)类型,划分模型种类
模型:算法+数据
5、模型评估——判定模型效果
如果模型没有合格
- 换算法
- 在特征工程再做一些处理
6、上线使用
以API形式提供
机器学习算法分类
- 监督学习
- 分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
- 回归 线性回归、岭回归
- 标注 隐马尔可夫模型 (不做要求)
- 无监督学习
- 聚类 k-means
监督学习——特征值+目标值
监督学习(英语:Supervised learning),可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归),或是输出是有限个离散值(称作分类)。
分类——目标值离散型
1、概念
分类是监督学习的一个核心问题,在监督学习中,当输出变量取有限个离散值时,预测问题变成为分类问题。最基础的便是二分类问题,即判断是非,从两个类别中选择一个作为预测结果;
2、分类问题的应用
分类在于根据其特性将数据“分门别类”,所以在许多领域都有广泛的应用
- 在银行业务中,构建一个客户分类模型,按客户按照贷款风险的大小进行分类
- 图像处理中,分类可以用来检测图像中是否有人脸出现,动物类别等
- 手写识别中,分类可以用于识别手写的数字
- 文本分类,这里的文本可以是新闻报道、网页、电子邮件、学术论文
回归——目标值连续型
1、概念
回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系,输出是连续型的值。
2、回归问题的应用
回归在多领域也有广泛的应用
- 房价预测,根据某地历史房价数据,进行一个预测
- 金融信息,每日股票走向
无监督学习——特征值
无监督学习(英语:Supervised learning),可以由输入数据中学到或建立一个模型,并依此模式推测新的结果。输入数据是由输入特征值所组成。
机器学习模型是什么
定义:通过一种映射关系将输入值到输出值