11、利用 OML 笔记本构建机器学习模型

利用 OML 笔记本构建机器学习模型

1. 机器学习概述

机器学习任务通常涉及构建智能系统，这些系统基于大量数据进行学习或提升性能，能帮助解决各类业务问题，例如：
- 模式发现 ：机器学习系统通过搜索大量数据自动发现特定模式或趋势，基于现有数据创建模型并应用于新数据。
- 预测 ：根据过去的数据预测未来事件的概率，创建模型并应用于未来数据以预测事件发生的可能性。
- 分组 ：找出数据的自然分组，如识别特定信用评分范围内的客户群体。
- 可操作信息 ：从大量数据中生成可操作的决策，例如为客户信用卡申请分配信用额度。

机器学习功能可分为监督学习和无监督学习两类：
| 学习类型 | 描述 | 流程 | 支持的功能 |
| — | — | — | — |
| 监督学习 | 由已知目标输出及其依赖的输入属性引导，基于已知数据集建立目标值与独立属性的函数关系 | 模型训练、模型测试、模型评分 | 属性重要性、分类、回归 |
| 无监督学习 | 无已知目标输出，用于描述或预测目的 | 无特定引导流程 | 异常检测、关联规则、聚类、特征提取 |

监督学习的具体流程如下：
- 模型训练 ：分析目标和属性已知的案例数据，学习目标与属性的函数关系，如根据已知信用评分和属性值建立客户信用评分与财富、收入等属性的函数关系。
- 模型测试 ：将模型应用于已知测试数据集，比较模型生成的目