機器學習有四個關鍵步驟。
(1) 資料準備，理和準備待分析的資料。
(2) 演算法選擇，根據需求挑選演算法為資料建立模型。
(3) 引數調優，優化模型結果。
(4) 模型評估，根據準確度評價模型選出最好的。建好模型之後，必須對它進行評價。經常會使用一些評價指標來比較模型的**準確度。對於如何定義和懲罰不同型別的**誤差，不同的評價指標各不相同。
接下來，將** 3 種常用的評價指標：**準確率、混淆矩陣和均方根誤差。根據學習目標的要求，有時甚至會設計新的評價指標，以便針對特定型別的誤差進行懲罰和規避。
關於**準確率，最簡單的定義就是正確的**所佔的比例。回到表的例子，對買魚與否的**準確率，可以這樣表述：在**某位顧客是否買魚時，模型在 90% 的時間裡都是對的。雖然**準確率這個指標很容易理解，但無法通過它得知**誤差是如何產生的。
混淆矩陣可以進一步了解**模型的優缺點。
從表可知，雖然模型的總體分類準確率是 90%，但相比於對顧客買魚的**，它對不買魚的**更準確。此外，假正型別和假負型別的**錯誤一樣多，分別有 5 個錯誤。
表混淆矩陣揭示了模型在**買魚與否時的準確度
在某些情況下，分辨**錯誤的型別至關重要。以****為例，假負型別的錯誤（即**不會發生**，實際上卻發生了）所付出的代價要遠高於假正型別的錯誤（即**會發生**，實際上卻未發生）。
由於回歸**使用連續值，因此誤差一般被量化成**值和實際值之差，懲罰隨誤差大小而不同。均方根誤差是乙個常用的回歸指標，尤其可用於避免較大的誤差：因為每個誤差都取了平方，所以大誤差就被放大了。這使得均方根誤差對異常值極其敏感，對這些值的懲罰力度也更大。
指標並不能完整地體現模型的效能。過擬合模型在面對當前資料時表現良好，但是在面對新資料時可能表現得很糟糕。為了避免出現這種情況，必須使用合適的驗證過程對模型進行評價。
驗證是指評估模型對新資料的**準確度。然而，在評估模型時，並不一定非要使用新資料，而是可以把當前的資料集劃分成兩部分：一部分是訓練集，用來生成和調整**模型；另一部分是測試集，用來充當新資料並評估模型的**準確度。最好的模型，針對測試集所做的**一定是最準確的。為了使驗證過程行之有效，需要不帶偏差地把資料點隨機分派到訓練集和測試集中。
然而，如果原始資料集很小，可能無法留出足夠的資料來形成測試集，因為當用於訓練模型的資料較少時，準確度無法得到保障。為了解決這個問題，有人提出了交叉驗證這個方法：使用同乙個資料集進行訓練和測試。
交叉驗證最大限度地利用了可用的資料，它把資料集劃分成若干組，用來對模型進行反覆測試。在單次迭代中，除了某一組以外，其他各組都被用來訓練**模型；然後，留下的那組被用來測試模型。這個過程重複進行，直到每一組都測試過模型，並且只測試過一次，如圖所示。
圖資料集的交叉驗證過程。資料集被劃分成 4 組，模型最終的**準確度是 4 個結果的平均值
由於每次迭代用來做**的資料各不相同，因此每次得到的**結果都不同。綜合考慮這些差異，就可以對模型的實際**能力做出更為可靠的評估。對所有評估結果取平均值，即為**準確度的最終評估值。
如果交叉驗證結果表明模型的**準確度較低，可以重新調整模型的引數或者重新處理資料。
redis延時佇列實現關鍵步驟
延時佇列 對於這種5分鐘後執行的操作，30分鐘後執行操作，我們如何實現了？關鍵實現原理 1.所有的訊息的延遲儲存在redis.sortset中，sortset中的每乙個物件為全域性生成的訊息id，score為到期時間時間戳。定時掃瞄timer，輪訓redis.sortset佇列，使用zrangeby...
企業物聯網安全的四個關鍵步驟
目前，有很多關於物聯網的安全問題的新聞 很容易破解的智慧型門鎖，風險諸多的大眾汽車，甚至脆弱的燈泡。以下是應用在企業物聯網安全的未來的一些關鍵概念 1 物聯網將拯救很多生命 重要的一點是，採用物聯網的最直接的結果是提供更好的物理安全性。採用 便宜，易於安裝的感測器意味著關鍵基礎設施中的監控漏洞更少。...
直播系統搭建關鍵步驟與要點！
2017直播火了整整一年，現在2018年了，直播行業還是非常讓人想分一杯羹，許多 密謀 已久的人也漸漸開始動身了，陸陸續續的現在直播平台變的越來越多。但是很多質量低體驗低的平台也是層出不窮，為了想馬上進軍直播行業撈金卻沒有把地基打牢，一到伺服器承受不住或者系統沒有更新就會出現很多漏洞和問題，直接讓你...