收集資料
提取特徵
轉換資料
清洗資料
劃分資料
選擇演算法
訓練演算法
驗證演算法
符合要求則繼續，否則重新選擇演算法或重新訓練演算法，甚至是重新收集資料
使用演算法
收集大量已分好種類的樣本資料
選擇用於分析的特徵(重量，翼展，有無腳蹼，不同部位顏色，等等)
取特徵值 x 和種類 y、轉換資料格式、特徵編碼
清洗資料、處理缺失值、處理異常值、歸一化或標準化、降維
分為兩套獨立的樣本集：訓練資料集和測試資料集，比如可以選擇 90% 的樣本作訓練，10% 的樣本作測試，需要保證有隨機性
選擇一種分類演算法
使用訓練資料集進行迭代訓練，產生乙個模型 f(x) = y
將測試資料集的特徵值作為模型的輸入，模型判斷出相應的種類
將模型判斷的結果與測試資料集的實際種類作比較，得出該模型的精確度，如果精確度不符合要求，重新選擇演算法或重新訓練演算法，甚至是重新收集資料
使用該模型，通過特徵值對新資料進行分類
機器學習庫庫簡介
scikit-learn（sklearn）
機器學習演算法
tensorflow/theano/caffe
深度學習框架
keras
以 tensorflow 或 theano 為後端，提供友好易用的api，適合於簡單快速的原型設計
spark mllib
分布式、大資料、運算快，提供的演算法可能比較基礎，api 限制多
機器學習任務的一般步驟
1.確定特徵 選取合適的資料和特徵可能是最重要的步驟，也包括資料的預處理或清洗，通常可以稱之為特徵工程。2.確定模型 確定目標函式及決策邊界的形狀。可選擇多個模型進行比較。3.模型訓練 根據訓練資料估計模型引數。4.模型評估 這裡要區分兩個概念 模型選擇 估計不同模型的效能，選出最好的模型。通常在校...
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...
SEO基本概念 SEO一般有哪些步驟或環節？
搜尋引擎優化seo一般有哪些步驟或環節？seo並不是簡單的幾個秘訣或幾個建議，而是一項需要足夠耐心和細緻的腦力勞動。大體上，seo包括六個環節 2 架構分析 結構符合搜尋引擎的爬蟲喜好則有利於seo。架構分析包括 剔除 架構不良設計 實現樹狀目錄結構 導航與鏈結優化。3 目錄和頁面優化 seo不止是...