机器学习应用开发典型步骤
一、数据清洗 统一同类数据的单位,去掉重复数据及噪声数据。使得数据具备结构化特征,方便作为机器学习算法的输入。 二、特征选择 从所有的特征值中,逐个分析选择合适的特征集合作为输入。 方法:1、人工选择;2、PCA算法 三、模型选择 根据问题领域、数据量大小、训练时长、模型准确度等多方面因素决定模型的选择。 四、模型训练和测试 将数据集分为训练集、测试集、验证集(交叉验证集)来进行模型训练。 五、模型性能评估和优化 考虑训练时长、数据集是否足够多是否全面、模型准确性、是否能满足应用场景的性能要求,不能则将其优化或选择其他模型。 六、模型使用 来源: CSDN 作者: 嗯_雅娴 链接: https://blog.csdn.net/silvia__y/article/details/103488018