人工智能系列之一人工智能基本流程
人工智能基本流程基本流程解决的问题基本流程1.获取数据2.数据处理3.特征工程4.机器学习5.模型评估5.1 结果达到预期要求使用5.2 结果没达到预期要求重新调整参数训练解决的问题1.分类问题1.1 准备带标签的数据1.2 训练并检验1.3 分类(离散)2.回归问题2.1 准备带标签的数据2.2 训练并检验2.3 回归(连续)3.聚类问题3.1 准备不带标签的数据3.2 聚类...
·
人工智能基本流程
基本流程
- 1.获取数据
- 2.数据处理
- 3.特征工程
- 4.机器学习
- 5.模型评估
- 5.1 结果达到预期要求使用
- 5.2 结果没达到预期要求重新调整参数训练
基本流程详解
- 获取数据
- 数据采集方式(
- 爬虫
- 自己网站
- app埋点
- 购买数据
- 通过数据服务商
- 数据采集方式(
- 数据处理
- 前期处理
- 无量纲化
- 标准化
- 区间缩放法
- 标准化和归一化
- 对定量特征二值化
- 对定性特征哑编码
- 缺失值计算
- 数据变换
- 无量纲化
- 前期处理
- 特征工程 (数据和特征决定了机器学习的上限)
- 特征选择
- Filter
- 方差选择法
- 相关系数法
- 卡方检验
- 互信息法
- Wrapper
- 递归特征消除法
- Embedded
- 基于惩罚项的特征选择法
- 基于树模型的特征选择法
- Filter
- 降维
- 主成分分析法(PCA)
- 线性判别分析法(LDA)
- 特征选择
- 机器学习
- 读取数据
- 开始训练
- 可以联机学习
- 可以分段学习
- 保存模型
- 评估
- 模型评估
- 主要参数
- 召回率
- 覆盖率
- 其他指标
- 主要参数
解决的问题
- 1.分类问题
- 1.1 准备带标签的数据
- 1.2 训练并检验
- 1.3 分类(离散)
- 2.回归问题
- 2.1 准备带标签的数据
- 2.2 训练并检验
- 2.3 回归(连续)
- 3.聚类问题
- 3.1 准备不带标签的数据
- 3.2 聚类
阐述人工智能学习锻炼平台
1.和鲸社区
2.kaggle
3.飞浆 AI Studio
4.天池大数据
5.datafountain
更多推荐
已为社区贡献3条内容
所有评论(0)