人工智能基础（二）_模型的特征值和目标值

人工智能基础（二）

什么是机器学习：
机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

机器学习工作流程：

1. 获取数据
2. 数据基本处理
3. 特征工程
4. 机器学习（模型训练）
5. 模型评估

获取到的数据集介绍：
1、专有名词
样本
特征
目标值
特征值
2、数据类型构成
类型一：特征值+目标值
目标值分为离散还是连续
类型二：只有特征值，没有目标值
3、数据划分：
训练数据（训练集） — 构建模型
0.7–0.8
测试数据（测试集） — 模型评估
0.2–0.3

4、数据基本处理
即对数据进行缺失值、去除异常值等处理

5、特征工程

定义：
把数据转换称为机器共容易识别的数据

为什么需要特征工程：
数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。

包含内容：
特征提取
特征预处理
特征降维

6、机器学习
选择合适的算法对模型进行训练

7、模型评估
对训练好的模型进行评估