yjs01——机器学习的过程

ps：换了阿婆主重新看机器学习

机器学习的过程：

1.获取数据——2.数据基本处理——>3.特征工程——>4.机器学习（模型训练）—>模型评估

---

·获取数据：

     1.专有名词：

                1.样本：一行数据是一个样本

                2.特征：一列数据是一个特征

                3.标签值/目标值（参考答案）

                4.特征值（你的答案）

      2.数据类型:

                1.特征值+目标值（带标签的）

                2.只有特征值（不带标签的）

      3.数据分割：

                数据一部分用来训练、构建模型（刷题）——>训练集

                       另一部分用来评估模型（考试）       ——>测试集

---

·数据基本处理：

    对数据进行缺失值、异常值去除等处理

---

·特征工程：

    简单理解：将 数据 转换成 机器 更容易识别的工具

    内容：

            特征提取：将任意数据，包括文本、图像等转换成可用于机器学习的数字特征（转成二进制矩阵之类的）

            特征预处理：通过一些转换函数，将特征数据转换成更加适合模型算法的特征数据的过程（将数据映射到某个范围之间，让他们有相同的量纲）

            特征降维：在限定条件下，降低随机变量个数，得到一组不相关的主变量的过程

---

·机器学习（见后）

---

·模型评估（见后）