知识卡片

普通读书笔记卡 · 9822.a · 生成模型:DeepSeek-V4.1-Flash

数据是机器学习的对象

理解等级:初级

机器学习的处理对象是数据,走的是一个闭环:从数据出发,提取特征、抽象模型、发现规律,再回到对新数据的预测。两个术语要先分清:特征是可观测的属性(位置、面积、装修),标签是想要预测的答案(价格)。有特征无标签是预测时的输入,有特征有标签才是训练材料。

一份数据要变成可训练的东西,还要经过三步:

  1. 划分:按比例(如 8∶2)切成训练集与验证集,在训练集上学参数,在验证集上看效果;效果可接受才把模型当成要找的”规则”。
  2. 留出测试集:以后的新样本只经过模型、不参与任何选择,才能反映真实水平。
  3. 矩阵化:把不同形态的数据统一成矩阵。文本先分词,再统计各词在文中的出现频率,得到词频矩阵;图像直接把每个像素当作矩阵元素。

矩阵化的意义是让”样本 × 特征”成为统一接口,任何算法都能直接吃。代价是丢结构:词频矩阵丢掉了词序,像素矩阵丢掉了物体的整体形状,后续的词向量与卷积网络正是在补这个损失。这一套数据观是后面所有模型的前提,也是 [[模型、策略、算法三要素]] 中”模型输入”的实际所指。

这张卡片看不懂?

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

    参考来源

    - 位置:《机器学习基础:从入门到求职》第1章《第1章 机器学习概述》(源文件:extracted/机器学习基础:从入门到求职/_epub-src/OEBPS/text00004.html) - 结论依据:原文先定义机器学习的对象是数据并给出"数据→特征→模型→预测"的路径,随后用房价例子说明训练/验证划分与矩阵化。 - 原始内容:机器学习的对象是数据,即从数据出发,提取数据的特征,抽象出数据模型,发现数据中的规律,再回到对新数据的分析和预测中去。