食品机器学习的定义

基本概念 食品机 数据科学中的学习涉及使用统计学习和优化方法，让计算机分析数据集并识别模式（通过 R2D3 外部链接查看机器学习的视觉效果）。机器学习技术利用数据挖掘来识别历史趋势，为未来模型提供信息。

典型的监督机器学习算法（大致）由三个部分组成：

决策过程：计算或其他步骤的方法，它接收数据并返回对算法正在寻找的数据模式类型的“猜测”。
误差函数：一种通过将猜测与已知示例（如果有）进行比较来衡量猜测的好坏的方法。决策过程是否正确？如果不是，你如何量化这次失误“有多严重”？
更新或优化过程：算法查看失误，然后更新决策过程如何得出 终决策，以便下次失误不会那么严重。
例如，如果您正在构建一个电影推荐系统，您的算法的决策过程可能会考虑给定电影与您看过的其他电影的相似程度，并为不同的特征提出一个加权系统。

在训练过程中，算法会遍历您看过的电影并对不同的属性进行加权。这是一部科幻电影吗？有趣吗？然后，该算法会测试它 终是否会推荐您（或像您一样的人）实际观看过的电影。如果正确，则所使用的权重保持不变；如果它把一部电影弄错了，导致错误决定的权重就会被降低，这样它就不会再犯这种错误了。

由于机器学习算法会自主更新，因此每次运行时分析准确性都会提高，因为它会根据分析的数据进行自我学习。学习的这种迭代性质既独特又有价值，因为它无需人工干预即可发生——无需专门编程即可发现隐藏的见解。

如果您对我们的产品感兴趣，欢迎访问 / .