机器学习数据建模

Question

我是机器学习的初学者。我看过一些教机器学习的视频。但是我的问题是我们如何建模数据。

大多数情况下，我们会得到非结构化数据。如何将非结构化数据转换为结构化格式，这是最佳方式。这样我们就可以从数据中找到最有用的信息。

任何对书籍或链接的帮助都非常感谢。

Answer 1

作为一名机器学习工程师，您将负责以可接受的方式预处理您的数据。根据模型。

没有最好的方法来做到这一点，这取决于您拥有哪种数据类型，例如1. csv数据集，2。文本数据集，文件（图像和音频）。

Answer 2

在现实世界中，所有数据都不会采用结构化形式。当我们获得数据时，首先发现的是 1.什么是数据。 2.它的功能和输出是什么。 例如：用于预测一个人身高的数据集，您可以获得以下所有信息，例如来自哪个国家/地区，体重，性别，头发颜色等。这些是我们在机器学习中通常所说的功能。 3.然后，我们需要查看数据特征。如文本数据或数字等。我们需要对数据进行预处理，然后再对数据进行任何分析。例如：如果您的数据是功能，而功能仅与评论有关，那么您需要删除所有特殊功能并使数据实体化。 4.您需要了解模型接受数据的方式和模型所具有的参数，我们如何才能改善数据。（我们可以进行一些特征工程以改进模型等。）

您无需以同样的方式来做硬性规定。

Answer 3

首先，您需要了解预处理和特征提取。如果您使用Python建立模型，那么Pandas或Scikit之类的库将非常有用。第一步，尝试创建诸如“当x出现时，我的输出y变成...”的句子。