搭建机器学习项目

能和数据科学区别何在?

这三个主题没有明确的定义，因而有些难以理解。为防止误解，我们将问题简化。读者可以认为本文提到的机器学习就是发现数据中的规律，以理解某些问题或者预测未来事件。

希望读者在阅读以下步骤时能边学边做，检验结果。在实践中学习。

一条机器学习管道可以被分解成三个主要步骤：数据收集、数据建模和模型运用。这三个步骤相互影响、环环相扣。

启动项目时，你可能走入如下循环：收集数据，对其建模，发现收集到的数据质量较差，重新收集数据，建模，运用这一模型，发现它并不管用，重新建模，运用，发现新模型仍然没用，再次收集数据……

等等，模型是什么?运用又是什么?如何收集数据?

好问题。

收集数据的方式取决于问题。下文将展示一些例子，读者也可以看看电子表中的顾客购买记录。

建模就是运用机器学习算法从收集到的数据中寻找知识。

普通算法和机器学习算法的区别是什么?

普通的算法就像菜谱，是把原料转换为美味菜肴的一系列指令。

机器学习的特殊之处在于，原始条件是材料和菜肴，而非指令。机器学习算法研究原料和菜肴，给出转换所需的指令。

机器学习算法多种多样，不同算法解决不同问题的性能不同，但是它们的目标一致，即寻找数据中的模式或者指令集。

运用就是实际应用找到的指令集。运用的形式多种多样，既可以是在网络商店中向顾客推荐商品，也可以是为医疗机构寻找更好的疾病检测方案。

不同项目中每个步骤的具体细节不尽相同，但是原理基本相似。

本文重点讲解数据建模。假设读者已经收集到了数据，正

（编辑：济宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!