網(wǎng)站首頁 互聯(lián)網(wǎng) > 正文
今天小編來給大家分享一些關(guān)于機器學(xué)習(xí)建模步驟 你知道嗎方面的知識吧，希望大家會喜歡哦
1、實際問題抽象成數(shù)學(xué)問題：這里的抽象成數(shù)學(xué)問題，指的我們明確我們可以獲得什么樣的數(shù)據(jù)，目標(biāo)是一個分類還是回歸或者是聚類的問題，如果都不是的話，如果劃歸為其中的某類問題。
2、獲取數(shù)據(jù)：獲取數(shù)據(jù)包括獲取原始數(shù)據(jù)以及從原始數(shù)據(jù)中經(jīng)過特征工程從原始數(shù)據(jù)中提取訓(xùn)練、測試數(shù)據(jù)。機器學(xué)習(xí)比賽中原始數(shù)據(jù)都是直接提供的，但是實際問題需要自己獲得原始數(shù)據(jù)?！?數(shù)據(jù)決定機器學(xué)習(xí)結(jié)果的上限，而算法只是盡可能的逼近這個上限”，可見數(shù)據(jù)在機器學(xué)習(xí)中的作用?？偟膩碚f數(shù)據(jù)要有具有“代表性”，對于分類問題，數(shù)據(jù)偏斜不能過于嚴(yán)重，不同類別的數(shù)據(jù)數(shù)量不要有數(shù)個數(shù)量級的差距。 對評估數(shù)據(jù)的量級，樣本數(shù)量、特征數(shù)量，估算訓(xùn)練模型對內(nèi)存的消耗。如果數(shù)據(jù)量太大可以考慮減少訓(xùn)練樣本、降維或者使用分布式機器學(xué)習(xí)系統(tǒng)。
3、特征工程：特征工程包括從原始數(shù)據(jù)中特征構(gòu)建、特征提取、特征選擇、特征工程做的好能發(fā)揮原始數(shù)據(jù)的最大效力，往往能夠使得算法的效果和性能得到顯著的提升，有時能使簡單的模型的效果比復(fù)雜的模型效果好。數(shù)據(jù)挖掘的大部分時間就花在特征工程上面，是機器學(xué)習(xí)非?；A(chǔ)而又必備的步驟。數(shù)據(jù)預(yù)處理、數(shù)據(jù)清洗、篩選顯著特征、摒棄非顯著特征等。訓(xùn)練模型、診斷、調(diào)優(yōu)模型診斷中至關(guān)重要的是判斷過擬合、欠擬合，常見的方法是繪制學(xué)習(xí)曲線，交叉驗證。通過增加訓(xùn)練的數(shù)據(jù)量、降低模型復(fù)雜度來降低過擬合的風(fēng)險，提高特征的數(shù)量和質(zhì)量、增加模型復(fù)雜來防止欠擬合。診斷后的模型需要進行進一步調(diào)優(yōu)，調(diào)優(yōu)后的新模型需要重新診斷，這是一個反復(fù)迭代不斷逼近的過程，需要不斷的嘗試，進而達到最優(yōu)的狀態(tài)。
4、模型驗證、誤差分析：通過測試數(shù)據(jù)，驗證模型的有效性，觀察誤差樣本，分析誤差產(chǎn)生的原因，往往能使得我們找到提升算法性能的突破點。誤差分析主要是分析出誤差來源與數(shù)據(jù)、特征、算法。
5、模型融合：提升算法的準(zhǔn)確度主要方法是模型的前端（特征工程、清洗、預(yù)處理、采樣）和后端的模型融合。在機器學(xué)習(xí)比賽中模型融合非常常見，基本都能使得效果有一定的提升。
6、上線運行：這一部分內(nèi)容主要跟工程實現(xiàn)的相關(guān)性比較大。工程上是結(jié)果導(dǎo)向，模型在線上運行的效果直接決定模型的成敗。 不單純包括其準(zhǔn)確程度、誤差等情況，還包括其運行的速度(時間復(fù)雜度)、資源消耗程度（空間復(fù)雜度）、穩(wěn)定性是否可接受。
本文到此結(jié)束，希望對大家有所幫助。
版權(quán)說明： 本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！
猜你喜歡：
- 2022-10-04 七彩鐵長的快嗎（七彩鐵開花嗎 帶你深入了解它）
- 2022-10-04 做夢夢到黑豬是什么意思周公解夢（周公解夢夢見黑豬和針 夢見針和黑豬是什么意思）
- 2022-10-04 洋白蠟是速生白蠟嗎（白蠟和洋白蠟的區(qū)別 你區(qū)分出來嗎）
- 2022-10-04 硫酸鎂泡水的作用（用硫酸鎂泡手有什么.效果 硫酸鎂是什么）
- 2022-10-04 怎么在蘋果電腦上安裝steam（如何在蘋果電腦上安裝steam 只要四步即可安裝）
- 2022-10-04 麻是怎么做的（麻橢的做法 你會做嗎）
- 2022-10-04 驢肉丸子湯的家常做法竅門（驢肉丸子湯的做法 驢肉丸子湯怎么做）
- 2022-10-04 紙?zhí)禊Z的方法很簡單天鵝是怎么折疊的
最新文章：
- 2023-07-01 新買的陶瓷杯怎樣處理才能使用（新買的陶瓷杯怎么清洗 新買的陶瓷杯如何清洗）
- 2023-07-01 枸杞的功效與作用（怎么區(qū)分枸杞的好壞 區(qū)分枸杞的好壞方法）
- 2023-07-01 石英石臟了怎么清理（石英石表面怎么清洗 如何清洗石英石的表面）
- 2023-07-01 面包機做面包的做法和配方（新買的面包機怎么清洗 新買的面包機如何清洗）
- 2023-07-01 泰迪怎么區(qū)分純不純（泰迪怎么區(qū)分好壞 泰迪好壞如何區(qū)分）
- 2023-07-01 新買的暖壺怎么消毒（新買的暖壺怎么清洗 如何清洗新買的暖壺）
- 2023-07-01 美妝蛋的正確使用及清洗方法（新買的隱形眼鏡盒怎么清洗 新買的隱形眼鏡盒的清潔方法）
- 2023-07-01 怎樣清潔皮鞋上的污垢（怎么清洗皮鞋表面 皮鞋怎么清洗）
- 2023-07-01 六安瓜片存放時間越長品質(zhì)越好嗎（六安瓜片如何保存 六安瓜片的保存方法）
- 2023-07-01 新的嬰兒床怎么去味道（新買的嬰兒床怎么清洗 新買的嬰兒床如何清洗）
- 2023-07-01 蒙頂甘露茶湯滋味（蒙頂甘露怎么泡 蒙頂甘露的泡法）
- 2023-07-01 翻毛皮鞋怎么清洗表面（皮鞋表面臟了怎么清洗 皮鞋表面臟了如何清洗）
- 2023-07-01 隔水電燉盅（新買的燉盅怎么清洗 剛買的隔水燉盅怎么清洗）
- 2023-07-01 怎樣辨別粉條的好壞（粉條好壞怎么區(qū)分 粉條好壞如何區(qū)分）
- 2023-07-01 東京大學(xué)留學(xué)條件 東京大學(xué)留學(xué)申請條件有哪些
- 2023-07-01 蘇荃年齡比韋小寶大多少（蘇荃為什么要跟韋小寶）