零基础学习机器学习（五）机器学习方法小结

这篇博客简单梳理下机器学习的算法，训练方法和训练一个模型的步骤。

机器学习的步骤

1. 数据收集：通过公开的数据集或者网页爬取的方式获取
2. 数据标注：对收集到的数据进行打标，这里有多种情况：
   1. 如果所有的数据已经有了标注，比如爬取的目的是为了预测房价，那么爬取到的数据本身就含有标注，这种情况不需要特殊标注
   2. 如果只有部分数据有标注，且这部书数据足够开始训练一个小模型，那么可以采用半监督学习，具体可以看本系列的第一篇博客
   3. 如果所有数据都没有标注，而你又需要标注，可以考虑众包的方式去找标注工标注，但如果没有足够的资金，可以考虑弱监督学习，从数据本身提取标注
   4. 如果没有标注，且机器学习的目的不是获得标注，那么可以采用无监督学习
3. 数据分析：通过简单的绘制一些柱状图，折线图等看一下数据的分布情况，为后续的算法选择提供帮助
4. 数据清理：清除一些噪声数据，比如房价数据是乱码的数据
5. 数据变换：将数据进行变化，变化到机器学习的更加擅长的数据类型：
   1. 对于数字，可以缩放到指定的区间，避免因为单位的不同导致机器学习的更偏向于某种权重
   2. 文本进行词根化，如car，cars，car’s都变为car，或者语法化，如am，is，are都变成be，或者拆分token
   3. 比如对图片，视频，音频进行向量化
6. 特征工程：
   1. 对于数字，把连续数字拆分为桶，比如100和101都落在在10号桶中
   2. 对于种类数据，进行独热编码
   3. 对于时间戳数据，拆分为年月日
   4. 也可以通过矩阵外乘的方式，将多个种类进行组合称一种独热编码
7. 模型训练
8. 模型评估

机器学习的训练方法

参考本系列第一篇博客

机器学习的几种算法