Существуют различные алгоритмы, и набор данных, с которого нужно начать, является наиболее важной вещью для многих людей, которые путаются в этих вещах, а повседневное машинное обучение слишком сложно.
Но это неправда, вам нужно руководство, чтобы следовать ему в начале вашего пути, и оставлять его всякий раз, когда вы думаете, что получили информацию для изучения алгоритмов и знаний для понимания новых вещей.
Итак, расскажу с чего начал. Все слышали, что машинному обучению нужна хорошая математика, но я не думаю, что это правильно. У вас должно быть терпение, чтобы завершить всю часть, чтобы вы могли все понять. время писателя, чтобы история нарастала, а затем приходит настоящее веселье. Точно так же, как и в этом случае, вы должны проявить терпение, чтобы создать основу, и после этого вы будете наслаждаться обучением и созданием моделей.
Я начал с наиболее распространенных наборов данных, которые представляют собой набор данных радужной оболочки, этот набор данных содержит меньше функций и функций, которые очень легко понять. Итак, предлагаю начать с этого.
Возникает вопрос, где вы найдете эти наборы данных, вы можете найти их в своей библиотеке. Но я дал вам ссылку на это. Загрузите этот набор данных и просмотрите все его столбцы. Вы легко это поймете.
После того, как вы ознакомитесь с наборами данных, вашим вторым шагом будет выяснение релевантности каждого столбца и удаление данных, которые вам не нужны.
Для понимания данных вы можете использовать визуализацию данных, для этого вам понадобятся данные без какого-либо нулевого значения, чтобы график был правильным. дальше я расскажу вам больше об этой визуализации данных.
3-й шаг будет классифицировать данные на данные обучения и данные тестирования. Есть некоторые термины, о которых вы не знаете, например, методы обучения, различные типы наборов данных.
4-й шаг — поиск правильного алгоритма для ваших целей и наборов данных. Так что вы можете получить хорошее решение, а также быстрое решение.
Все, что касается моделей и связанных с ними терминов, будет рассмотрено здесь. Так что наберитесь терпения и начните свое путешествие, чтобы стать специалистом по данным.
