-
规律与决策查看全部
-
模型评估查看全部
-
机器学习解决问题的框架查看全部
-
训练模型查看全部
-
机器学习解决问题的框架查看全部
-
分类算法与回归算法！查看全部
-
训练模型：定义模型-产生公式（根据具体要解决的问题）、定义损失函数（预测的结果与真实的结果之间的偏差最小的函数）、优化算法（使损失函数取极小值） 模型评估：交叉验证、效果评估查看全部
-
数据决定目标效果，相当于天花板，特征工程很重要查看全部
-
逻辑回归：百度，谷歌的推荐（搜索结果排序） RF（随机森林），GBDT:决策树的改进版 推荐算法 LDA:文本分析，自然语言处理查看全部
-
算法分类3（重要，直指本质） 生成模型：用来说明分类问题。返回的是属于各个类的概率。 判别模型：用来说明分类问题。直接给一个函数，数据输入到函数中，直接返回类别。查看全部
-
算法分类2：根据解决问题进行分类 分类与回归、聚类、标注（给句子里的单词打上标签）查看全部
-
根据数据有无标签Y进行分类 对样本数据进行一些训练，得到模型，通过模型判断X与Y的关系。 有监督学习：训练数据中已经明确给出了该数据的Y，给数据打上了标签。如：已对邮件打上了“垃圾邮件”、“正常邮件”的标签。包括：分类算法、回归算法。 无监督学习：训练数据并没有Y，数据没有任何标签。典型算法：聚类。 半监督学习：也叫强化学习，数据越多，模型越好。查看全部
-
数据分析，分析师能力决定结果，目标用户是公司高层。 机器学习，数据质量决定结果，目标用户是个体。查看全部
-
二者采取的技术手段和方法不同查看全部
-
机器学习和数据分析的区别查看全部
举报
0/150
提交
取消