老饼讲解-机器学习 机器学习 神经网络 深度学习
入门教程
1.学前解惑
2.第一课:初探模型
3.第二课:逻辑回归与梯度下降
4.第三课:决策树
5.第四课:逻辑回归与决策树补充
6.第五课:常见的其它算法
7.第六课:综合应用

【总结】机器学习初探-入门总结

作者 : 老饼 日期 : 2022-06-26 03:10:02 更新 : 2023-12-18 12:25:21
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,让初学者进一步加深对机器学习的整体感性认识




     01. 机器学习入门总结一: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





    02. 机器学习入门总结二: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          




   03.  01. 机器学习入门总结三:学习机器学习主要学什么    


学习重心与工作重心
 
 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的算法、原理。
而实际项目中,80%的时间基本都聚焦在数据准备上,
例如数据收集、清洗、变量衍生和变量分析等
 
 一句话,个人的学习主要就是学多几个模型
模型的学习重心
 
 模型的构成主要三大部件
 👉模型       
 👉损失函数
 👉求解算法

 机器学习模型三要素
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DEMO例子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










 End 



联系老饼