机器学习的训练流程.pptxVIP

机器学习模型训练深度学习基础应用 课堂导入你能预测不同的汽车它们之间的油耗量是如何的吗？想知道汽车油耗量与行驶时间的关系，就可以训练一个模型来寻找它们之间的关系，从而可以预测一个时间段下的汽车油耗量▲ 油耗量▲ 汽车 项目描述在项目5“数据处理工程应用”一课中，已经完成汽车油耗量数据集的处理。本节课程采用项目5中处理完成的汽车油耗量数据作为机器学习模型的输入，并通过线性回归模型，最终实现汽车油耗量预测。汽车油耗量汽车油耗量预测 机器学习基础在学习之前，需要先区分解清楚4个容易混淆的概念——人工智能、机器学习、神经网络和深度学习。概念如下。人工智能：是整个学科的名称。机器学习：是“人工智能”的重要组成部分。神经网络：是机器学习的一种分支方法。深度学习：是关于构建、训练和使用神经网络的方法。 机器学习的训练流程数据操作在了解完机器学习的基础概念以及分类后，已经对什么是机器学习有了基本的概念，可以进一步了解机器学习一些具体的细节。接下来继续学习机器学习的训练流程，主要包括数据操作、模型构建以及机器学习任务。模型构建学习任务 机器学习的训练流程?在读取一个数据集后，第一步要进行探索性数据分析，获得对数据的初步了解。常用的描述性统计有平均数、中位数、标准差等。?数据预处理是对数据进行检查和数据分布变换的过程，需要对缺失、重复、异常数据进行清洗，以及对数据进行标准化等操作。?对数据预处理后，需要用到项目5“数据处理工程应用”中介绍的特征选择操作，即从大量特征中选取一个重要特征子集，保证模型能够达到更高精度。数据操作数据集是构建机器学习模型的起点。数据集的数据类型可以分解为特征X和标签Y。X代表特征、独立变量、输入变量等；Y代表类别标签、因变量、输出变量等。接下来学习和了解数据的操作，主要包括数据分析、数据预处理、特征选择以及数据分割。数据分析数据预处理特征选择数据分割?为了使构建模型能够训练新的数据，需要对可用的数据进行数据分割操作，将其分割为训练集和测试集。 机器学习的训练流程模型构建在完成数据操作后，便可以进行模型的构建。根据目标变量的数据类型，建立机器学习模型。首先选取合适的机器学习算法，随后需要对机器学习算法的参数进行调优。算法参数将直接影响学习过程和预测性能。学习任务分类任务针对的是数值是离散的样本，在给定样本的输入后可以输出样本的所属于的类别。分类任务是机器学习任务中最常见的一类任务，常见的分类任务有垃圾邮件检测、手写字符识别和花卉分类等等。回归任务针对的是连续数值型的样本，使用回归，可以在给定输入的时候预测出一个数值。在一元线性回归分析中，包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 1.3、常用指令Def Plt (定义托盘)【功能】 定义pallet。 （ ３点pallet ／４点pallet／圆弧pallet ） 【格式】 Ｄｅｆ □Ｐｌｔ □＜pallet号码＞，＜起点＞，＜终点Ａ＞，＜终点Ｂ＞， ［＜对角点＞］，＜个数Ａ＞，＜个数Ｂ＞，＜pallet模版＞ 11：Z字型（姿势固定） 12：同一方向（姿势固定） 13：圆弧pallet（姿势固定）【用语】 ＜pallet号码 ＞ 选择已设定的pallet号码（只有1～8的定数）。 ＜ 起点＞ Pallet的起点。只有位置定数或位置变量。 ＜终点 Ａ ＞ Pallet一边的终点。圆弧pallet时为圆弧的通过点。 只有位置定数或位置变量。 ＜终点 Ｂ ＞ Pallet另一边的终点。圆弧pallet时为圆弧的终点。 只有位置定数或位置变量。 ＜ 对角点 ＞ Pallet 起点的对角点。圆弧pallet时无意义。 ＜个数 Ａ ＞ Pallet 起点终点A间的工作个数。 Pallet 时，pallet的起点和圆弧的终点间的工件个数。 可以是变量。 ＜个数 Ｂ ＞ Pallet的起点和终点B间的的工件个数。 圆弧pallet时无意义。 (必须指定1等)。 可以是变量。 ＜pallet模版＞ 记述在被分配格子点，加上号码的pallt模版及姿势的固定/等分配。可以是变量。 1：Z字型（姿势等分割） 2：同一方向（姿势等分割） 3：圆弧pallet （姿势等分割）【任务准备】 1.3、常用指令?Ｄｅｆ Ｊｎｔ (定义关节变量)【例子】 1 Def Plt 1,P1,P2,P3, ,3,4,1 ３ 点 pallet的定义 2 Def Plt 1,P1,P2,P3,P4,3,4,1 ４ 点 pallet 的定义 【解说】 (1) 位置运算时的精度，4点pallet比3点pallet的