Maskininlärningens arbetsflöde

Introduktion till maskininlärning

Lis Sulmont

Curriculum Manager, DataCamp

Maskininlärningens arbetsflöde

Vårt scenario

Vår datamängd: Fastighetsförsäljningar i NYC 2015–2019

Inkluderar:

• Kvadratfot
• Stadsdel
• Byggnadsår
• Försäljningspris
• Med mera!

Vårt mål: Försäljningspris

Steg 1: Extrahera särdrag

Steg 2: Dela upp datamängden

Steg 3: Träna modellen

Steg 3: Träna modellen

$$

Steg 4: Utvärdera

Steg 4: Utvärdera

• Testdatamängd: "osedd" data
• Många sätt att utvärdera:
  • Vad är det genomsnittliga felet i förutsägelserna?
  • Hur stor andel av lägenheterna förutsade modellen korrekt inom 10 % marginal?

Steg 4: Utvärdera

Steg 4: Utvärdera

Steg 4: Utvärdera

• Om inte, finjustera modellen och träna om den:
  • t.ex. ändra modellens inställningar, lägg till/ta bort särdrag

Maskininlärningens arbetsflöde

Sammanfattning av stegen

1. Extrahera särdrag
   • Välj särdrag och bearbeta datamängden
2. Dela upp datamängden
   • Tränings- och testdatamängd
3. Träna modellen
   • Mata in träningsdatamängden i en maskininlärningsmodell
4. Utvärdera
   • Om önskad prestanda inte uppnås: finjustera modellen och upprepa steg 3

Nu kör vi en övning!

Introduktion till maskininlärning