知识卡片
机器学习三要素
机器学习的落地依赖数据、学习算法、模型三项条件同时成立。数据是原料:用户浏览、点击、停留、购买等行为记录中蕴含着规律,可供挖掘成用户画像;学习算法是策略:面对不同数据和不同目的要选不同算法,常见如逻辑回归、贝叶斯分类、决策树、随机森林;模型是产出:经过训练后,计算机得到一个能对未知数据做判断的预测模型。三者关系可用金矿来比喻——数据是矿,算法是开采工具,模型是提炼出的成果,缺一不可。反过来看,只有数据没有合适算法,或只有算法却数据质量低下,都无法得到可用模型。可迁移的启发是:当机器学习项目效果不佳时,产品经理应依次检查三要素是否齐备,而不是一味要求换更复杂的算法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 机器学习入门 1.1.2 机器学习三要素 · 查看原书依据
机器学习让计算机也能像人类一样通过观察大量的数据发现事物规律,获得某种分析问题、解决问题的能力。计算机需要得到数据、学习算法及模型三方面的支持,才能在面对新数据时自动做出判断,主动学习。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第1章《机器学习入门》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00006.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:1.5 段明确指出计算机需要数据、学习算法及模型三方面支持才能对新数据自动判断,1.1.2 又分别定义三者,共同支撑本卡的三要素结论。
- 原始内容:机器学习让计算机也能像人类一样通过观察大量的数据发现事物规律,获得某种分析问题、解决问题的能力。计算机需要得到数据、学习算法及模型三方面的支持,才能在面对新数据时自动做出判断,主动学习。