1. 確定特徵
選取合適的資料和特徵可能是最重要的步驟，也包括資料的預處理或清洗，通常可以稱之為特徵工程。
2. 確定模型
確定目標函式及決策邊界的形狀。
可選擇多個模型進行比較。
3. 模型訓練
根據訓練資料估計模型引數。
4. 模型評估
這裡要區分兩個概念：
模型選擇：估計不同模型的效能，選出最好的模型。（通常在校驗集上進行）
模型評估：已經選定最終的模型，估計它在新資料上（通常是測試機）的**誤差。
訓練了多個模型或者需要對模型進行超引數的調優時候，需要進行模型的選擇和評估。
5. 模型的應用/**
模型的匯出/效能優化
機器學習應用的一般步驟
在我們準備用機器學習構建乙個分類器來處理實際問題時，還需要做些其他的準備工作 1.根據你的問題選擇一種合適的機器學習方法，因為每種機器學習的演算法都有各自不同的特點，能適應的場景也不同，所以選擇合適的機器學習方法事半功倍。2.根據你的問題選擇合適的特徵來進行分析，因為事物之間都有自己的特徵，選擇好事...
機器學習 基本概念 一般步驟 工具
收集資料 提取特徵 轉換資料 清洗資料 劃分資料 選擇演算法 訓練演算法 驗證演算法 符合要求則繼續，否則重新選擇演算法或重新訓練演算法，甚至是重新收集資料 使用演算法 收集大量已分好種類的樣本資料 選擇用於分析的特徵 重量，翼展，有無腳蹼，不同部位顏色，等等 取特徵值 x 和種類 y 轉換資料格式...
SEO一般步驟
seo並不是簡單的幾個秘訣或幾個建議，而是一項需要足夠耐心和細緻的腦力勞動。大體上，seo包括六個環節 2 架構分析 結構符合搜尋引擎的爬蟲喜好則有利於seo。架構分析包括 剔除 架構不良設計 實現樹狀目錄結構 導航與鏈結優化。3 目錄和頁面優化 seo不止是讓 首頁在搜尋引擎有好的排名，更重要的是...