• Цель машинного обучения — найти закономерности в данных и использовать эти закономерности для оценок.
  • Машинное обучение отличается от обычной разработки программного обеспечения тем, что мы используем специальный код, а не собственную интуицию, чтобы улучшить работу программного обеспечения.
  • Процесс обучения концептуально использует четыре компонента:
  • Данные по интересующей нас теме.
  • Модель, которая делает оценки.
  • Цель, которую пытается достичь модель.
  • Оптимизатор, представляющий собой дополнительный код, изменяющий модель в зависимости от ее производительности.
  • Данные можно рассматривать как функции и метки. Функции соответствуют потенциальным входным данным модели, а метки соответствуют выходным данным модели или желаемым выходным данным модели.
  • Pandas и Plotly — мощные инструменты для изучения наборов данных в Python.
  • Получив обученную модель, мы можем сохранить ее на диск для дальнейшего использования.