概述
上图是机器学习的一般化流程。这里面涉及很多知识点。
- 模型：根据具体的任务选择不同的模型，比如regression, KNN, K-Means, 随机森林，还有现在非常流行的神经网络模型。
- loss function：针对不同的任务，也有不一样的loss function的选择，我们比较熟知的是mse。以后再总结这一块。
- optimization：主要用的是梯度下降。（这个以后也专门写一栏）
- 评估方法：如何评估其实涉及到如何划分training set, testing set。比如留出法，交叉验证等。（以后再总结）
- 如何选择模型？不是只看在testing set上的误差，还要考虑参数的数量等。（这个再补充）
最后
以上就是粗心白云为你收集整理的机器学习的基本框架的全部内容，希望文章能够帮你解决机器学习的基本框架所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复