2、机器学习基础：从猫狗分类到特征设计

机器学习基础：从猫狗分类到特征设计

1. 猫狗分类与机器学习通用流程

在尝试教计算机区分猫和狗的过程中，我们遇到了一些问题。使用训练好的线性模型对测试图像进行识别时，一只波士顿梗犬被误分类为猫。这是因为它尖尖的耳朵和短鼻子与训练集中的猫的特征相匹配。这个错误完全是由于我们选择的特征造成的，而这些特征是基于一个规模较小且多样性不足的训练集设计的。

为了改进模型，我们需要重新开始。具体步骤如下：
1. 收集更多数据 ：形成一个更大、更多样化的训练集。
2. 设计更具区分性的特征 ：例如眼睛颜色、尾巴形状等，以更好地区分猫和狗。
3. 训练新模型 ：使用设计好的特征训练一个新的模型。
4. 测试新模型 ：评估新模型在测试数据上的性能，看是否比旧模型有所改进。

这一过程实际上代表了典型机器学习问题的通用流程，具体如下：
|步骤|描述|
| ---- | ---- |
|0|定义问题：明确要让计算机完成的任务。|
|1|收集数据：收集训练集和测试集的数据，数据越大、越多样越好。|
|2|设计特征：确定最能描述数据的特征类型。|
|3|训练模型：使用数值优化方法在训练数据上调整合适模型的参数。|
|4|测试模型：评估训练好的模型在测试数据上的性能。如果评估结果不佳，重新考虑使用的特征，并尽可能收集更多数据。|

下面是这个流程的 mermaid 流程图：