我们知道机器学习的核心是利用广泛的数据,通过一定的算法进行训练,通过训练的结果对没有发生的事情尽情预测,即数据分为两种:历史数据和新的数据。
针对历史数据,我们需要对其赋予一定的算法,使得数据能够根据相应的算法进行预测。
预测的结果取决于我们的算法公式和数据量的大小。
算法是通过大量数据进行模型训练来得到的最优解,来取得最符合变化规律的数据参数。
整理来说的话:
机器学习的一般流程可以简单概括归纳为:
数据 → 算法 → 模型
Data → Algorithm → Model
比如:
我们会接受到大量的数据:(x,y)
通过这些历史数据进行模型训练得到其基本算法和最优解:y=ax+b;
模型即是 (a,b);
最终我们可以把新的数带入到: y=ax+b,得到预测的Y值。
像大数据一样,机器学习的核心是数据,掌握了更多的数据也就是掌握了机器算法的核心。
所以机器学习对于数学的学习能力和逻辑推理能力是有要求的。
有兴趣的小伙伴欢迎一起交流学习。
这里是燃爆数据猿,每天进步一点点。
谢谢。
联系客服