【机器学习】三要素——数据、模型、算法

机器学习三要素

我 在学习过程中,对于"模型"和"算法"的概念不清晰,一直混淆,通过查阅了一些资料在此总结一下。
数据模型算法被称为机器学习的三要素,因为它们在机器学习中具有不可分割的作用。
机器学习总的来说,就是算法在数据上进行运算产生模型

数据

数据是机器学习的基础。机器学习算法需要大量的数据作为输入。
我们知道,计算机能够处理的是数值,而不是图片或者文字。对于数值类数据,我们需要做好数据清洗,保证数据的质量。对于图片或者文字类数据,我们需要做好特征工程。

模型

模型是机器学习的核心。模型是机器学习算法的结果,它通过学习数据中的模式和规律来生成特定的输出。
一个被训练好的模型,可以被理解成一个函数y=f(x)。我们把数据(对应的x)输入进去,得到输出结果(对应其中的y)。
这个输出结果,可能是一个数值(回归),也可能是一个标签(分类)。
模型可以是线性模型、决策树、神经网络等,取决于具体的任务和问题。

模型是怎么得到的?

模型是基于数据,经由训练得到的。上面说到可以理解为模型是函数y=f(x)。要从x计算出y,需要函数f的具体形式,它的的具体形式(二次函数?三次函数?幂函数?指数函数?高斯函数?)以及需要知道每一个参数具体的值。
在开始训练的时候,我们有一些源样本数据,一个x对应一个y。这个时候,我们会首先选定一个模型类型,即确定模型的类型。比如说是一个线性模型y=ax2+bx+c,但此时我们还不能确定其中参数a、b、c的具体值。
训练就是根据已经选定的函数f的具体形式,结合训练数据,计算出其中各个参数的具体取值的过程。

"训练的过程需要根据某种章法进行运算,这个章法,就是算法。"

算法

算法是实现机器学习过程的工具。不同的机器学习算法适用于不同类型的问题,如监督学习、无监督学习、强化学习等。算法的选择和调优可以影响到机器学习的效率和准确性。
我们需要尽可能选择合适的算法,从而找到最优的模型。这个最优模型的求解过程就是算法,不断地调节模型的参数,从而达到最优的效果。常用的方法包括,梯度下降法、随机梯度下降法、小批量梯度下降法等。

相关推荐
东方佑3 分钟前
打破常规:“无注意力”神经网络为何依然有效?
人工智能·深度学习·神经网络
Mendix10 分钟前
使用 Altair RapidMiner 将机器学习引入您的 Mendix 应用程序
人工智能·机器学习
Francek Chen27 分钟前
【深度学习计算机视觉】03:目标检测和边界框
人工智能·pytorch·深度学习·目标检测·计算机视觉·边界框
九章云极AladdinEdu31 分钟前
AI集群全链路监控:从GPU微架构指标到业务Metric关联
人工智能·pytorch·深度学习·架构·开源·gpu算力
惯导马工34 分钟前
【论文导读】IDOL: Inertial Deep Orientation-Estimation and Localization
深度学习·算法
老姜洛克38 分钟前
自然语言处理(NLP)之n-gram从原理到实战
算法·nlp
九章云极AladdinEdu39 分钟前
Kubernetes设备插件开发实战:实现GPU拓扑感知调度
人工智能·机器学习·云原生·容器·kubernetes·迁移学习·gpu算力
蒋星熠41 分钟前
深入 Kubernetes:从零到生产的工程实践与原理洞察
人工智能·spring boot·微服务·云原生·容器·架构·kubernetes
aneasystone本尊1 小时前
学习 Chat2Graph 的多智能体协作机制
人工智能
精灵vector1 小时前
LLMCompiler:基于LangGraph的并行化Agent架构高效实现
人工智能·python·langchain