Khái niệm cơ bản về học máy

Bắt đầu với một dự đoán cụ thể hoặc nhiệm vụ hỗ trợ quyết định. Dự đoán một số là hồi quy; chỉ định một danh mục là phân loại. Nhóm các ví dụ không được gắn nhãn là phân cụm. Việc tạo văn bản hoặc hình ảnh mới có mục tiêu và phương pháp đánh giá khác nhau. Tránh chọn một kiến ​​trúc thời thượng trước khi xác định đầu ra. Một quy trình làm việc thực tế bao gồm thu thập, chuẩn bị, điều chỉnh mô hình, đánh giá, triển khai và giám sát dữ liệu. Lỗi có thể phát sinh ở bất kỳ giai đoạn nào. Một mô hình được đào tạo trên các bản ghi được định dạng đúng có thể bị lỗi khi dịch vụ sản xuất thay đổi đơn vị hoặc hoán đổi hai cột đầu vào. Thiết lập đường cơ sở trước khi lắp một mô hình phức tạp. Để dự báo, giá trị trước đó có thể là đường cơ sở hữu ích; để phân loại, lớp phổ biến nhất cung cấp sự so sánh tối thiểu. Đường cơ sở cho thấy liệu mức độ phức tạp tăng thêm có đóng góp thông tin hữu ích hay không. Sử dụng các ví dụ đào tạo để phù hợp với các tham số và các ví dụ riêng biệt để đánh giá hiệu suất. Giữ tập kiểm tra cuối cùng không bị điều chỉnh lặp đi lặp lại. Chọn số liệu phản ánh hậu quả của sai lầm và kiểm tra các trường hợp thất bại thực tế. Một hệ thống hoạt động tốt ở mức trung bình có thể vẫn không sử dụng được trong những trường hợp hiếm gặp nhưng cần thiết.