機器學習可以回答的問題有哪些 | 就愛喝咖啡
![機器學習可以回答的問題有哪些](https://i.imgur.com/B2oemyF.jpg)
大部分的多元分類演算法只是二元分類的延伸。以下是一些常見的例子:.這是哪種動物的圖片?這種雷達訊號是來自哪種飛機?這 ...
![機器學習可以回答的問題有哪些](https://i.imgur.com/B2oemyF.jpg)
原文:Five Questions Data Science Answers[1]
Translated from Brandon Rohrers Blog by Jimmy Lin
雖然機器學習聽起來很讚,但現階段它其實只能用來解決五種問題:
這是甲,還是乙? 這有什麼奇怪的嗎? 這有多少/這有幾個? (資料)的組成為何? 我接下來該做什麼?機器學習是驅使資料科學不斷進步的動力,其中每種學習方法(也稱作演算法,algorithm)都會被用來接收和處理資料,並給出一個答案。這些演算法負責了資料科學中最難解釋、也最有趣的部分,也就是數學的奧秘。
取決於演算法所能回答的問題,它們可以被分成幾類。這些分類可以幫助讀者理清思路、問對問題。
這是甲,還是乙?這一類演算法都常被稱作二元分類(two-class classification),被用來解決只有兩種結果的問題:是或否、開或關、抽煙或不抽煙、買或不買等等。有很多資料科學上的問題都屬於二元分類,或是可以被轉換為二元分類。這是最簡單也最常見的資料科學問題,以下是一些常見的例子:
這位顧客會不會續約? 這是一張貓還是狗的圖片? 這位顧客會不會點最上面的連結? 如果繼續開一千英里,這個輪胎會不會爆胎? 抵五元或打七五折,哪一個促銷手段能吸引更多顧客? 這是甲、乙、丙還是丁?這種演算法被稱為多元分類(multi-class classification),顧名思義,它可以用來解決有多種(或很多種)回答的問題,例如:哪種口味、哪個人、哪個部分、哪間公司、哪位參選人。大部分的多元分類演算法只是二元分類的延伸。以下是一些常見的例子:
機器學習資料量 機器學習訓練資料 訓練驗證測試比例 機器學習訓練驗證測試 機器學習資料分割 機器學習分類問題 機器學習訓練模型 機器學習預測 python訓練模型 機器學習訓練過程 tensorflow訓練模型 機器學習訓練資料 python建立模型 ai訓練模型 模型訓練結果 深度學習訓練流程 機器學習訓練模型 深度學習訓練資料 機器學習資料前處理 機器學習資料分割 機器學習資料量 機器學習 訓練資料 機器學習資料太少 訓練驗證測試比例 python訓練資料測試資料 機器學習 資料分割 深度學習 資料量 機器學習數據分析 機器學習訓練驗證測試 機器學習 四 大步驟 訓練資料測試資料比例 訓練集驗證集測試集比例 訓練集驗證集和測試集 訓練集測試集準確度 訓練集驗證集測試集差異 python訓練集測試集 法點法食 FA DEN FA SAï甜點 Miao米亞歐隨義小廚 咪可思啾芭 Louisa Coffee 路易.莎咖啡(新竹武陵店)甜點 Twin Brothers Coffee菜單 褐 頂 鐵 比 卡 蛋糕 故事 南十三咖啡評價
[Day 27] 機器學習常犯錯的十件事 | 就愛喝咖啡
機器學習可以回答的問題有哪些 | 就愛喝咖啡
大部分的多元分類演算法只是二元分類的延伸。以下是一些常見的例子:. 這是哪種動物的圖片? 這種雷達訊號是來自哪種飛機? 這 ... Read More
機器學習演算法的三大陷阱:人類看不到,但AI 看得一清二楚的 ... | 就愛喝咖啡
2019年9月6日 — 幾十年來,機器學習領域一直飽受「坦克問題」(tank problem)的折磨。 ... 自己的領域使用機器學習的研究者們,應該去熟悉一些常見的陷阱,以及如何 ... Read More
使用機器學習解決問題的五步驟:定義問題 | 就愛喝咖啡
2023年1月27日 — 機器學習五步驟 · 定義問題(Define Problem) · 建立資料集(Build Dataset) · 訓練模型(Train Model) · 評估模型(Evaluate Model) · 使用模型(Use Model). Read More
機器學習的常見5大問與答 | 就愛喝咖啡
2017年9月1日 — 換句話說,偵測演算法的誤判率至少與其真實偵測率同等重要。忽略誤判率代表著會有中斷用戶工作等等的問題發生。在機器學習中,透過所謂的ROC特性曲線圖表 ... Read More
什麼是機器學習? | 就愛喝咖啡
機器學習的常見問題. AI 與機器學習的差別為何? Read More
機器學習的問與答 常見的開發問題和如何學習 | 就愛喝咖啡
2018年11月9日 — 模型無法real time,但就是因為DL比起傳統演算法的靈活度更高但是參數更多所以運算量變大; 沒有解決問題的SOP,或者是說都是因緣 ... Read More
機器學習常見問題整理? | 就愛喝咖啡
2019年1月9日 — 機器學習常見問題整理? ... 答:理解實際問題,抽象成數學模型(分類、迴歸、聚類)——>獲取資料——>特徵 ... 哪些機器學習演算法不需要做歸一化處理? Read More
相關資訊整理
![](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...