大資料入門

qq_42679379發表於2019-04-08

機器學習的介紹

一、機器學習架構

機器學習(Mchine Learning)通過演算法,使用歷史資料進行訓練,訓練完成後會產生模型。未來當有新的資料提供時,我們可以使用訓練產生的模型進行預測。
  • Feature:資料的特徵,例如溼度,風向,風速季節,氣壓。
  • Lable: 資料的標籤,也就是我們希望預測的目標,例如降雨(0.不會下雨,1.會下雨),天氣(1.晴朗,2.雨天,3.陰天,4.下雪)
  • 訓練階段(Training)
  1. 訓練資料是過去積累的歷史資料,可能是文字檔案,資料庫或者其他來源。經過FeatureExtraction(特徵提取),產生Feature(資料特徵)與Label(預測目標),然後經過機器學習演算法的訓練後產生模型。
  • 預測階段
  1. 新輸入資料,經過Feature Extraction(特徵提取)產生Feature(資料特徵),使用訓練完成的模型進行預測,最後產生預測結果。

機器學習分類

對於有監督的學習(Supervised Learning),從現有資料我們希望預測的答案有

相關文章