[Day 3] 機器學習的步驟 | 就愛喝咖啡
![[Day 3] 機器學習的步驟](https://i.imgur.com/B2oemyF.jpg)
[Day3]機器學習的步驟·收集資料(Gatheringdata)·準備數據(Preparingthatdata)·選擇模型(Choosingamodel)·訓練機器(Training)·評估分析(Evaluation)·調整參數( ...
![[Day 3] 機器學習的步驟](https://i.imgur.com/B2oemyF.jpg)
在昨天的文章 [Day 2] AI, Machine Learning, and Deep Learning[1] 中,介紹了 AI、機器學習,與深度學習三個當紅炸子雞之間的關係,今天回到這次系列文的主題機器學習,來談談關於實現機器學習的重要步驟。
開門見山,以下是機器學習的七個重要步驟
收集資料 (Gathering data) 準備數據 (Preparing that data) 選擇模型 (Choosing a model) 訓練機器 (Training) 評估分析 (Evaluation) 調整參數 (Hyperparameter tuning) 預測推論 (Prediction) 收集資料回到先前提到的例子,要訓練機器判斷走進便利商店的是人、是貓、還是狗,首先我們先要準備訓練資料給機器。有越大量的資料,就越有可能訓練出更厲害的機器,就像是刷了 100 份考古題的考生上考場一樣無往不利。
但其實很多時候,人們是沒有辦法準備足夠多的資料提供機器學習,所以需要有不同的方法來訓練機器,不能只是海量寫考古題而已。之後會稍微提到如果沒有足夠資料的話,該怎麼訓練機器。
準備數據除了數量之外,資料本身的品質也會影響到訓練的品質。如果找了一堆線性代數的考古題,給明天要上場考微積分的考生,那也是一點幫助也沒有。回到先前的例子,要訓練機器分辨貓跟狗,如果我們準備了大量的貓,但相對少量的狗,訓練出來的機器,很有可能判斷的結果會偏向貓的機會比較大。
準備好資料(一大堆貓跟狗)之後,接下來我們首先要幫機器挑選出用來判斷的「特徵」(features),譬如說,聲音跟體長,以及判斷的結果,譬如
聲音 體長 ...簡單7步驟,在7小時內訓練出神經網絡模型 | 就愛喝咖啡
[Day 3] 機器學習的步驟 | 就愛喝咖啡
使用機器學習解決問題的五步驟 | 就愛喝咖啡
什麼是深度學習? | 就愛喝咖啡
使用機器學習解決問題的五步驟 | 就愛喝咖啡
速記AI課程-深度學習入門(一) | 就愛喝咖啡
AI CUP | 就愛喝咖啡
![](https://i.imgur.com/B2oemyF.jpg)
測試資料評價:插座()很多、限時 好吃程度 0 顆星
測試資料評價好嗎?這邊幫大家整理位於測試資料的測試資料詳細資訊,像是Wifi、安靜度、甜點、插座及網友評分:店名:測試資...