【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、模型与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
Bowen_J6 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒6 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术6 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
字节跳动开源6 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计
Bacon6 小时前
我把 Codex 塞进了 Touch Bar:一个 30pt 高的额度与对话面板
人工智能
衡石科技7 小时前
企业级 BI 的安全治理:衡石如何贯通认证、数据权限与审计
大数据·人工智能·安全·商业智能
网易云信7 小时前
折叠屏适配,iPhone Duo 真机已交付:网易云信 IMUIKit Swift 的实践
人工智能
kyle~8 小时前
模型预测控制(MPC)
算法·机器人·控制·传感器
Be for thing8 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
十有八七8 小时前
手搓 Agent(一):先有大脑——大模型只会做一件事
前端·人工智能·后端