官2021-11-10提起机器学习模型，感觉不是所有的业务场景都能用到神经网络或者深度学习，比如曾经遇到的一些小样本数据，条目加起来不过一两百而且结构很简单，有时候传统的机器学习模型比如SVM甚至是线性回归效果就很好了，感觉“不是要为了用而用，而是要做到物尽其用”。作者回复: 👍🏻，对。 没有必要所有地方都是用深度学习。 对于一些机器学习项目，直接使用LR、SVM、GDBT等算法，也会取得非常好的效果。
6
李雄2021-11-12喜欢老师本节的配图，太形象啦。作者回复: 你好，李雄。谢谢你的认可^^。
2- Geek_63ad862022-02-23配图很棒！模型的训练和搭乐高积木很像，就是把不同的组件组合起来，产生更大的效果
作者回复: 👍🏻👍🏻👍🏻^^
John(易筋)2022-08-06 来自广东模型训练的本质就是确定网络结构、设定损失函数与优化方法。 机器学习开发的3个步骤 1. 数据处理：主要包括数据清理、数据预处理、数据增强等。总之，就是构建让模型使用的训练集与验证集。 2. 模型训练：确定网络结构，确定损失函数与设置优化方法。 3. 模型评估：使用各种评估指标来评估模型的好坏。 模型训练3步： 1. 模型结构设计：例如，机器学习中回归算法、SVM 等，深度学习中的 VGG、ResNet、SENet 等各种网络结构，再或者你自己设计的自定义模型结构。 2. 给定损失函数：损失函数衡量的是当前模型预测结果与真实标签之间的差距。 3. 给定优化方法：与损失函数搭配，更新模型中的参数。