一、資料清洗
統一同類資料的單位，去掉重複資料及雜訊資料。使得資料具備結構化特徵，方便作為機器學習演算法的輸入。
二、特徵選擇
從所有的特徵值中，逐個分析選擇合適的特徵集合作為輸入。
方法：1、人工選擇；2、pca演算法
三、模型選擇
根據問題領域、資料量大小、訓練時長、模型準確度等多方面因素決定模型的選擇。
四、模型訓練和測試
將資料集分為訓練集、測試集、驗證集（交叉驗證集）來進行模型訓練。
五、模型效能評估和優化
考慮訓練時長、資料集是否足夠多是否全面、模型準確性、是否能滿足應用場景的效能要求，不能則將其優化或選擇其他模型。
六、模型使用
機器學習應用開發步驟和學習型別
機器學習應用開發步驟和學習型別 開發機器學習應用時，可以嘗試不同的模型演算法，採用不同的方法對資料進行處理，這個過程十分靈活，但也並非無章可循。1.定義問題 先明確需要解決的是什麼問題。在實際應用中，很多時候我們得到的並非是乙個明確的機器學習任務，而只是乙個需要解決的問題。3.資料清洗 通過資料採集...
機器學習應用的一般步驟
在我們準備用機器學習構建乙個分類器來處理實際問題時，還需要做些其他的準備工作 1.根據你的問題選擇一種合適的機器學習方法，因為每種機器學習的演算法都有各自不同的特點，能適應的場景也不同，所以選擇合適的機器學習方法事半功倍。2.根據你的問題選擇合適的特徵來進行分析，因為事物之間都有自己的特徵，選擇好事...
機器學習應用開發Topic推薦 AMiner
必讀 集位址 5ffab74392c7f9be21308238 機器學習是人工智慧的乙個分支。人工智慧的研究歷史有著一條從以 推理 為重點，到以 知識 為重點，再到以 學習 為重點的自然 清晰的脈絡。顯然，機器學習是實現人工智慧的乙個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年...