Fluxul de lucru în machine learning

Înțelegerea Machine Learning-ului

Lis Sulmont

Curriculum Manager, DataCamp

Fluxul de lucru în machine learning

Înțelegerea Machine Learning-ului

Scenariul nostru

New York City

Setul nostru de date: vânzări imobiliare NYC din 2015-2019

Include:

  • Suprafața în metri pătrați
  • Cartierul
  • Anul construcției
  • Prețul de vânzare
  • Și altele!

Ținta noastră: Prețul de vânzare

Înțelegerea Machine Learning-ului

Pasul 1: Extragerea caracteristicilor

Înțelegerea Machine Learning-ului

Pasul 2: Împărțirea setului de date

Înțelegerea Machine Learning-ului

Pasul 3: Antrenarea modelului

Înțelegerea Machine Learning-ului

Pasul 3: Antrenarea modelului

$$

Înțelegerea Machine Learning-ului

Pasul 4: Evaluare

Înțelegerea Machine Learning-ului

Pasul 4: Evaluare

Pasul de evaluare

  • Setul de testare: date „nevăzute"
  • Multe modalități de evaluare:
    • Care este eroarea medie a predicțiilor?
    • Ce procent de apartamente a fost prezis corect cu o marjă de 10%?
Înțelegerea Machine Learning-ului

Pasul 4: Evaluare

Înțelegerea Machine Learning-ului

Pasul 4: Evaluare

Înțelegerea Machine Learning-ului

Pasul 4: Evaluare

  • Dacă nu, ajustați modelul și reantrenați-l:
    • ex.: modificați opțiunile modelului, adăugați/eliminați caracteristici
Înțelegerea Machine Learning-ului

Fluxul de lucru în machine learning

Înțelegerea Machine Learning-ului

Rezumatul pașilor

  1. Extragerea caracteristicilor
    • Selectarea caracteristicilor și pregătirea setului de date
  2. Împărțirea setului de date
    • Set de antrenare și set de testare
  3. Antrenarea modelului
    • Introducerea setului de antrenare într-un model de machine learning
  4. Evaluare
    • Dacă performanța dorită nu este atinsă: ajustați modelul și repetați Pasul 3
Înțelegerea Machine Learning-ului

Să exersăm!

Înțelegerea Machine Learning-ului

Preparing Video For Download...