В науке о данныхвы часто беспокоитесь о сборе, обработке и очистке ваших данных (т. решить конкретную задачу.
Тем не мение,
Машинное обучение часто является важной частью проекта Науки о данных, например, оно широко используется для исследовательского анализа и обнаружения (алгоритмы кластеризации) и построения прогностических моделей (контролируемая алгоритмы обучения).
Существует множество примеров приложений для обработки и анализа данных
› Предположим, вы работаете в кредитной компании. Ваш босс дает вам задание выяснить, является ли клиент кредитоспособным или нет. Вы собираете данные о транзакциях, это могут быть записи о доставке, рейтинг клиентов и так далее.
› Далее вы, вероятно, будете использовать алгоритмы машинного обучения для изучения прогностической модели. Например, предположим, что вы решили вырастить дерево решений и пришли к выводу, что этот конкретный клиент не кредитоспособен. Наконец, вы готовите красивую презентацию, визуализирующую дерево решений, чтобы ответить на следующий вопрос вашего босса: почему клиент не кредитоспособен?
