11월 2022

어떤 문제를 대하든 머신러닝을 사용하여 정확한 결과를 얻으려면 어떻게 해야 합니까? 어려움은 각 문제가 서로 다르기 때문에 서로 다른 데이터 소스, 기능, 알고리즘, 알고리즘 구성 등이 필요하다는 것입니다. 해결책은 매번 좋은 결과를 보장하는 체크리스트를 사용하는 것입니다. 이 게시물에서는 머신러닝 문제에 대해 안정적으로 좋은 결과를 얻는 데 사용할 수 있는 체크리스트를 알아봅니다.각 데이터 문제가 다릅니다.시작하기 전에 어떤 알고리즘이 문제에 가장 잘 작동하는지 알 수 없습니다.전문 데이터...

문제의 실행 가능한 모델을 찾고 조정했으면 해당 모델을 사용할 때입니다. 이유를 다시 살펴보고 해결하려는 문제에 대한 해결책이 필요한 형식을 상기시켜야 할 수도 있습니다.결과로 작업을 수행할 때까지 문제가 해결되지 않습니다. 이 게시물에서는 질문에 대한 답변으로 결과를 제시하는 전술과 프로토타입 모델을 프로덕션 시스템으로 전환할 때 고려해야 할 사항을 알아봅니다.해결하려는 문제의 유형에 따라 결과 표시가 매우 다릅니다. 머신러닝 노력의 결과를 활용하는 데는 두 가지 주요 측면이 있습니다.결과 보고시스템 운영화결과 보고좋은 모델과 충분한...

사용할 알고리즘 또는 알고리즘 구성을 알고 있다면 머신러닝을 사용할 필요가 없습니다.최상의 머신러닝 알고리즘 또는 알고리즘 매개 변수는 없습니다. 그럼에도 이런 질문들을 많이 받게 됩니다.최고의 머신러닝 알고리즘은 무엇입니까?머신러닝 알고리즘과 문제간의 매핑은 무엇입니까?머신러닝 알고리즘에 가장 적합한 매개 변수는 무엇입니까?이러한 질문에는 패턴이 있습니다.일반적으로 이러한 질문에 대한 답은 미리 알지 못하며 알 수도 없습니다. 경험적 연구를 통해 발견해야 합니다.이러한 질문에 답할 수있는 광범위한 브러시 휴리스틱이 있지만 알고리즘이나 문제를 최대한 활용하려는...