介绍 在继续之前,让我们退后一步。 到目前为止,在我们研究的监督学习算法中,我们正在遵循我们的过程。 收集:收集并清理相关数据 探索:探索数据 训练:选择统计或机器学习模型(即工具或算法),并针对某些标准(例如,模型对我们的数据的预测程度)优化模型 预测:使用经过训练的模型进行预测 如前所述,在收集和探索数据时,我们主要使用我们的Python技能和有关领域的知识。 训练模型更多地是关于机器学习。 在线性回归分析中,我们的模型是一条回归线。 我们使用它来建模我们的解释变量和因变量之间的现实关系。 我们如何知道现实世界的关系是什么? 因为这是有监督的学习,所以它来自我们现有的实际数据。 因此,在我们一直使用的示例中,我们拥有的实际数据就是收入,并且我们通过开发一条回归线来训练模型,该回归线使实际数据与模型期望值之间的差异最小。 训练模型 这个训练步骤就是微积分进入的地方。通过训练模型,