机器学习算法表示、评估和优化

【问题标题】：ML algorithm Representation, Evaluation & Optimization机器学习算法表示、评估和优化
【发布时间】：2015-07-21 04:48:17
【问题描述】：

我正在阅读华盛顿大学发表的一篇论文，其中包含有关机器学习算法的提示。

他们将 ML 算法分解为 3 个部分。表示、评估和优化。我想了解这三个部分是如何协同工作的，那么整个典型的机器学习算法的过程是怎样的。

我知道我的问题非常抽象，每个算法都会有所不同，但如果您知道抽象解释它的方法，请这样做。如果不能随意使用特定的算法来解释。

【问题讨论】：

【解决方案1】：

Sebastian Raschka 提供了一个非常好的flowchart（监督）机器学习过程。

（我对文本分类比较熟悉，所以以这个为例）

简而言之：

表示：您的数据需要采用合适的算法形式。例如，对于文本分类，您可以从全文文档（输入数据）中提取特征并将它们带入词袋表示。
相应算法的应用：在这里执行您的算法。培训后，您必须进行某种评估以衡量您的成功（评估标准取决于任务）。（评估是这一步的最后一部分）
优化：学习算法通常需要调整一个或多个参数。有了参数配置/评估的参考对（来自上一步），您现在可以调整参数并评估对结果的影响。（在流程图中这是边缘，我们回到步骤“学习算法训练”）

【讨论】：