实施机器学习工作流
学习目标
了解机器学习工作流的基本步骤
在本课中，您将大致了解典型的机器学习工作流。这涉及端到端流程，从数据寻源和数据准备开始，最终最终实现机器学习模型的交付。但是，本课程将介绍其中的许多步骤。总体而言，机器学习项目的目标是通过使用输入数据并对其应用机器学习算法来构建数学模型、解决给定问题。
无需
使用加州住房数据集的数据集分析
让我们考虑加利福尼亚住房数据集示例，其中包括各种功能，例如"中间房龄"、"每户平均房间数"、"每户平均卧室数"和"中间房值"等。
主要关注的是加利福尼亚地区的"中间房价"，其用作"目标特征"。这表示您旨在预测或理解的结果。此场景表示受监管的学习问题，其中模型学习根据历史数据预测中间房价。
无需
作为数据科学家和开发人员，您必须已经熟悉机器学习工作流的四个步骤。让我们按照图中所示重新访问这些通用步骤，然后使用加利福尼亚住房数据集示例详细介绍这些通用步骤。
步骤 1：数据提取 - 此阶段涉及仔细选择相关功能和结构化数据集进行分析。
步骤 2：数据集分区 －数据集分为不同的训练框和测试框，作为子集，以促进有效的模型训练和评估。
步骤 3：训练机器学习模型 - 在此阶段，仔细准备的训练数据集将被输入到机器学习算法中，以提供训练的模型。
步骤 4：模型评估 - 评估模型的性能；如果未满足预期结果，则对模型进行迭代微调，并重复训练过程，直到达到满意的结果。
无需
请观看以下详细概述机器学习工作流步骤的视频。
视频：本节含 SAP 官方视频（视频 ID
1_9akznajx），需在 learning.sap.com 在线观看。