下载掌阅APP，畅读海量书库
立即打开
经过前面几个章节的学习，相信读者对机器学习的过程已有了大概了解，本节将对机器学习的完整过程做一个总结，加深读者的理解。
对于监督学习，不论回归还是分类，在解决之前首先要提出一个模型/算法，如图2.18所示，并将数据集划分为两部分。常用的划分比例为7∶3，其中70%为训练集。
图2.18 机器学习的完整过程示意
然后应选择一个风险函数（见2.3.1节），根据风险函数，在训练集上训练出模型的参数。得出参数后，将训练集、测试集加入模型中得出预测值。然后在训练集中，根据某拟合优度指标，评价模型的效果。如果模型在训练集中的表现不尽如人意，则模型欠拟合，此时应考虑更换模型；如果模型在训练集中的效果可嘉，则进入测试集评价阶段。根据测试集的评价结果，评估模型是否过拟合；如果过拟合，则采取相应的方法进行更正或直接更换算法。通过两次验证之后，模型才可以投入使用。
当然，在实际过程中可能存在多个算法，此时应该将数据集划分为三部分，即训练集、测试集和验证集，并根据验证集进一步地过滤，或者将多个模型进行交叉验证，从而筛选最优的模型。应该注意，这里介绍的机器学习过程是十分简单的，实际中往往会结合工程增添更多的步骤，如缺失值处理、异常值检验、特征降维、自然语言处理或图像处理等。