¿Cuál de los tres elementos de "datos, modelo y algoritmo" es el más importante en el aprendizaje automático?
Modelo: la determinación del modelo define principalmente cómo se ve la función de predicción personalizada. Hay dos formas, P (Y | X) e y = f (x). Dado que hay más de un parámetro ceta desconocido en estas dos fórmulas, cuando ceta es incierto, las fórmulas se expresan como varios conjuntos. A partir de esto, resolvemos los parámetros desconocidos en la fórmula y determinamos la fórmula final, y usamos esta fórmula para hacer predicciones.
Datos: Después de definir el estilo del modelo, necesitamos utilizar datos conocidos para explorar parámetros desconocidos. Ya sean datos de entrenamiento o datos de prueba, en última instancia esperamos que la fórmula pueda predecir los mismos resultados que la situación real. De hecho, puede que sea exactamente igual, con algunos errores. Podemos llamarlo pérdida, por lo que introducimos la función de pérdida y usamos la pérdida mínima para encontrar los parámetros desconocidos.
Algoritmo: encuentre el valor mínimo, encuentre la primera derivada del parámetro desconocido e intente hacer que la derivada sea igual a 0. Hay dos algoritmos comúnmente utilizados en el aprendizaje automático: método de mínimos cuadrados: para modelos lineales; métodos de descenso y ascenso de gradiente (gradiente por lotes, gradiente incremental): ¡cualquier módulo!
Si quieres aprender más sobre datos, modelos y algoritmos, te sugiero que eches un vistazo al curso CDA Data Analyst. El contenido del curso tiene en cuenta el cultivo de la capacidad horizontal para resolver problemas de procesos de minería de datos y la capacidad vertical para resolver problemas de algoritmos de minería de datos. Explore temas comerciales a través de métodos de trabajo digitales. Haga clic para reservar una lección de prueba gratuita.