关于机器学习:机器学习1

51次阅读

共计 898 个字符,预计需要花费 3 分钟才能阅读完成。

挑战
一:制订问题
二:高质量数据,隐衷问题
三:模型训练越来越简单,越贵,数据须要越多
四:模型部署;须要硬件等条件,模型自身运行的速度等
五:监控模型;数据分布的变动,公平性问题因为算法自身没有偏差性,但数据会

角色
领域专家:对商业理解,晓得数据重要性和去哪里找到数据
数据科学家:数据挖掘、模型训练和部署
机器学习专家:对模型依据产品须要进行定制化
开发工程师:模型的开发、训练、保护等的工业化施行

anaconda 考察的数据科学家工作工夫散布

数据集

  • Paperwithcodes Datasets
  • Kaggle Datasets
  • Google Dataset search
  • 开源工具包带的数据集:tensorflow,huggingface(文本数据集)
  • 各类会议、公司组织的比赛里的数据集
  • 气象、整个 web 网页等 P 级别数据
  • 本人所在组织数据湖中的数据

数据交融
表关联,找到 key。顺便解决数据反复、缺失、计量单位不统一等各种数据状况。

生成数据

  • GAN, 图片生成
  • 数据加强 data augmentations

找到适合的数据是个挑战

数据网页抓取 Web scraping

from selenium import webdriver

chrome_options=webdriver.ChromeOptions()
chrome_options.headless=True
chrome=webdriver.Chrome(chrome_options=chrome_options)
page=chrome.get(url)

IP 的话,通过亚马逊、微软等私有云。

用爬虫爬数据时,
chrome–Inspect 找到网页元素所在位置

sold_items=[a.text for a in page.find('div','ds-home-details-chip').find('p').find_all('span')]
for item in sold_items:
    if 'Sold:' in item:
        result['Sold Price']=item.split('.')[1]
    if 'Sold on' in item:
        result['Sold On']=item.split(' ')[-1]

正文完
 0