【机器学习】工程实践问题概述

机器学习实际应用时的工程问题与面临的挑战

一、实现细节问题

1.1 训练样本

训练样本与标注对各类机器学习算法和模型的精度影响

训练样本的选择对各类机器学习算法和模型的影响

训练样本的优化

如何进行数据增强？

如何进行数据清洗？

样本的标注对各类机器学习算法精度的影响

样本的对齐

各个类的训练样本不均衡问题怎么解决

1.2 特征预处理

如果特征向量各分量的取值范围相差很大，会影响算法的精度与训练时的收敛

特征预处理方法

将特征向量归一化到单位长度

归一化可以通过学习实现