机器学习入门教程

【总结】机器学习初探-入门总结

作者 : 老饼 发表日期 : 2022-11-23 04:16:22 更新日期 : 2025-03-30 13:34:51
本站原创文章,转载请说明来自《老饼讲解-机器学习》www.bbbdata.com



基于《机器学习模型小例》《建模三步骤与模型三要素》的基础上

我们再来大概地总结和泛谈一下,机器学习相关的问题

通过本文,让刚接触机器学习的同学,进一步加深对机器学习的整体感性认识




     01. 机器学习-入门初探总结     




本节在初探的基础上,讨论机器学习是做什么的,以及如何建模





      机器学习是做什么的     


机器学习的主要任务是先利用历史数据训练一个模型,
在新样本进来时,可以用模型对新样本进行预测
 流程如下:
 机器学习是什么 
总的来说,机器学习就是通过模型来对样本的y进行预测
而模型依靠历史数据的训练来确定模型的参数





      机器学习是怎么建模的      


机器学习的建模主要流程有三部分:
 👉数据处理 
👉模型训练
👉模型评估
机器学习的建模流程
 机器学习的完整流程可以很长,
例如数据处理间中可能穿插一些数据探索等,
 但由目的驱动,基本可以归结为以下三点:

👉 1. 变量分析获得可靠的入模变量数据   
👉 2. 建立模型:获得最终用于使用的模型   
👉 3. 模型评估获得模型的效果评估          








     02. 机器学习要学什么   




本节简单讲解一下学习机器学习主要学些什么





       学习机器学习主要学什么       


个人学习重心与工作重心是两极化的
 个人的学习核心主要是模型算法,而实际项目中,80%的时间基本都聚焦在数据准备上
 简单来说,个人的学习主要就是学多几个模型,实践项目则是处理数据
 
模型的学习重心
 
  模型的构成主要三大部件:模型、损失函数和求解算法
 机器学习模型的三个部件
基本上,要掌握一个模型就需要把上面三样东西弄明白
而使用时,则是了解软件包中使用该模型的方式,百度一下或者上官方看下文档就可以
    模型以外的知识怎么学习   
总学习知识以模型为主,还有一些其它的辅助性知识,也需要了解
辅助性知识很杂,但一般很简单,
 例如之前提到的,用什么指标来评估模型的效果,等等,这类的知识
在接触具体项目、模型时,自然而然就会补齐






好了,以上就是机器学习入门初探之后的小总结了~









 End 



联系老饼