荟聚奇文、博采众长、见贤思齐
当前位置:公文素材库 > 优质公文 > 《机器学习实践应用》读书笔记

《机器学习实践应用》读书笔记

网站:公文素材库 | 时间:2019-09-03 23:10:44 | 移动端:《机器学习实践应用》读书笔记

《机器学习实践应用》读书笔记

  这次的读书笔记主要介绍机器学习背景和基础概念

  1 机器学习背景

  数据现状

  20世纪70年代曾遇巨大瓶颈,原因有计算能力 + 数据量的不足。随着互联网的普及和对用户数据的大量采集,数据量不足的问题已逐渐弥补,机器学习算法的价值越来越大。但在传统领域,如建筑行业,数据产生于工地的一砖一瓦,采集起来会更困难和麻烦,随着图像识别技术的进步和普及,这样的问题能够慢慢解决,但不得不说,传统领域的数据智能化仍然是比较慢的进程。(这里可以自行了解下百度在传统领域的AI技术落地情况)。目前主流的机器学习算法是监督学习算法,该算法需要的是打标过的数据,而数据的打标十分依赖人工标记,之前在实习的时候,给短视频的标签做标记都能把我搞得头昏脑涨。人工打标有几个问题:成本高 + 量级小

  机器学习算法现状

  机器学习已渗透到生活的各个方面,特别是在互联网领域。用网购场景来举例。

  1)你在路上看到陌生人的一件T恤你很喜欢 → 使用淘宝的【拍立淘】(图像识别技术)

  2)在淘宝搜索框语音输入商品名称(语音转文字技术)

  3)商品的个性化推荐(推荐算法)

  4)商品下单 → 若钱不够用 → 借钱 → 贷款额度显示(由机器学习算法计算)

  5)下单后 → 短时间完成商品包装、库存发货到中转库存、从低级仓库到高级仓库配送、向下分发(机器学习算法)

  6)快递员配送 → 系统设计最优路线(机器学习算法规划)

  7)商品投诉 → 智能客服立即回复(文本的语义分析算法,精准确定问题)

  以上的过程涉及了模型的训练和预测、语义分析、文本情感分析、图像识别以及语音识别技术

  机器学习高频场景

  1)聚类场景

  人群划分和产品种类划分等

  2)分类场景

  广告投放预测和网站用户点击预测等

  3)回归场景

  降雨量预测、商品购买量预测和股票成交额预测等

  4)文本分析场景

  新闻标签提取、文本自动分类和文本关键信息抽取

  5)关系图算法

  社交网络关系网络关系挖掘和金融风险控制等

  6)模式识别

  语音识别、图像识别和手写字识别

  总评

  机器学习+ 是大趋势

  2 基本概念

  机器学习流程

  1)场景解析

  把业务逻辑和算法进行匹配

  2)数据预处理

  清洗数据,将数据进行归一化或标准化,减少量纲和噪音。

  3)特征工程

  机器学习最重要步骤。在算法固定的情况下,特征的选择决定了模型的效果

  4)模型训练

  训练数据经过了预处理 + 特征工程后进入训练阶段。

  5)模型评估

  对各模型的预测结果评估

  6)离线/在线服务

  数据源结构

  1)结构化数据

  矩阵结构存储,通常包含特征列+目标列。机器学习算法通常只支持结构化数据

  2)非结构化数据

  图像、文本或语音文件,不以矩阵机构存储,是目前技术热点,通常将其转化为二进制存储格式

  3)半结构化数据

  典型的半结构化数据是XML拓展名的存储数据

  算法分类

  1)监督学习

  有特征值+目标队列,依赖打标,常用于回归和分类算法

  2)无监督学习

  无目标值,不依赖数据的打标,通常用于聚类算法

  3)半监督学习

  对样本的部分进行打标,一种半监督算法 —— 标签传播算法

  4)强化学习

  人工智能领域热点。系统与外界不断交互,从而决定自身的行为,如无人汽车驾驶和阿法狗下围棋

  使用机器学习算法常见问题

  过拟合问题

  算法结果评估

  1、精确率、召回率、F1值

  2、ROC和AUC

  另外还需要了解的指标:TP、FP、TN、FN

  总评

  基础概念的理解有利于帮助入门

来源:网络整理 免责声明:本文仅限学习分享,如产生版权问题,请联系我们及时删除。


《机器学习实践应用》读书笔记》由互联网用户整理提供,转载分享请保留原作者信息,谢谢!
链接地址:http://www.bsmz.net/gongwen/784589.html