京公网安备 11010802034615号
经营许可证编号:京B2-20210330
我们都知道,古今成大事者,都会经历三重境界,第一重境界是昨夜西风凋碧树,独上高楼,望尽天涯路。第二重境界是衣带渐宽终不悔,为伊消得人憔悴。第三重境界是众里寻他千百度,蓦然回首,那人却在灯火阑珊处。当然,在机器学习总也有三重境界,那么机器学习的三重境界是什么呢?下面我们就给大家详细解释一下。
机器学习的第一重境界就是能使用,也就是利用已知方法解决问题。具体来说就是给定一个模型,只要能够用它来根据给定的输入来求解输出,也就是利用已知的方法来解决问题。那么这个已知的方法,我们可以把它看成一个黑箱子,我不关注这个过程,不关注这个方法是如何解决问题,只要能够解决问题就行。可能已经有了一个算法,那么我们只需要对数据做一些处理,把这个数据送入到算法当中,得到一个输出,我们能看明白这个输出是怎么回事,这就可以。这是能使用的阶段,我们只是做一个算法的使用者,我能把它用清楚就够了。
机器学习的第二重境界就是能看懂,也就是理解已知方法的工作原理,在这一阶段中,我们不光用这个已知的方法来解决问题,同时我们还能够理解这个方法的工作原理。知道其中的现象,还能知道为什么这样。也就是知其然,并且能知其所以然。能使用就是知其然,能看懂就是知其所以然。那么这个方法可能背后有一些数学推导,会涉及到一些概率,最优化,还有线性代数的一些使用。那么这个能看懂,就要求我们具备相关的知识,能够把这个推导的过程给它顺下来,知道这个方法具体是怎么来工作。
机器学习的第三重境界就是能设计,具体就是根据问题特征开发新方法。如果在这个能看懂的基础上,再进一步的话,我们可以把它叫做能设计。我们把已知方法理解之后,我们还可以根据我的问题,根据我们的实际问题的特点,来开发一些新的方法。当然我们也可以对已有的方法进行改进,使它更符合我自己的一个待解决问题的方法,那么很显然,这个呢,对于数学功底就有更深层次的一个要求。
所以说,机器学习的三个境界就是能使用、能看懂、还能设计。在学习过程中,我们需要知道自己能够做到什么程度。当然,知识水平的掌握程度越高,能够解决问题的能力越高,所以说,我们要努力提高我们的机器学习的境界。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15