我正在阅读华盛顿大学发表的一篇论文,其中提供了有关机器学习算法的提示。
他们分解ML算法的方式分为3部分。表示,评估和优化。我想了解这三个部分如何协同工作,那么整个典型的机器学习算法中的过程是什么样的。
我明白我的问题很抽象,每个算法都会有所不同,但如果你知道一种方法来抽象地解释它,请做。如果没有随意使用特定的算法来解释。
论文:http://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf〜 见表1.
答案 0 :(得分:0)
Sebastian Raschka提供了一个非常好的flowchart(监督)机器学习过程。
(我熟悉文本分类,所以我将以此为例)
简而言之:
表示:您的数据需要采用合适的算法形式。对于文本分类,您可以从全文文档(输入数据)中提取要素,并将它们放入词袋表示中。
相应算法的应用:此处执行算法。培训结束后,您必须进行某种评估以衡量您的成功(评估标准取决于任务)。 (评估是此步骤的最后一部分)
优化:学习算法通常有一个或多个参数可供调整。拥有参数配置/评估参考对(从上一步开始),您现在可以调整参数并评估对结果的影响。 (在流程图中,这是边缘,我们回到步骤"学习算法培训" )