Цитаты из книг автора «Брендан Тирни»

Золотое правило оценки моделей заключается в том, что их никогда не следует тестировать на тех же данных, на которых они были обучены.

Поэтому этап моделирования процесса CRISP-DM обычно включает в себя построение нескольких моделей с использованием разных алгоритмов и их последующее сравнение, чтобы определить, какой из алгоритмов генерирует наилучшую модель. В сущности, эти эксперименты тестируют, какое смещение обучения в среднем дает лучшие модели для конкретных задач и набора данных.

Поэтому неглубокие деревья решений — это хорошая идея.

Хотя деревья решений хорошо работают с номинальными и порядковыми данными, они испытывают трудности с числовыми данными.

Линейная регрессия и нейронные сети лучше всего работают с числовыми входными данными.

Корреляции — это не причинно-следственные связи, но некоторые из них бывают полезны12Корреляция описывает силу взаимосвязи между двумя атрибутами.

Другой пример кластеризации строк — предоставление рекомендаций для клиентов. Если клиенту понравилась книга, песня или фильм, он с высокой вероятностью получит удовольствие от другой книги, песни или фильма из того же кластера.

Самым распространенным типом обучения без учителя является кластерный анализ, когда алгоритм ищет кластеры объектов, схожих друг с другом.

Обучение с учителем называется именно так, потому что каждый объект в наборе данных содержит как входные значения, так и выходное (целевое) значение.

Сами закономерности могут быть представлены разными способами. Позже в этой главе мы опишем наиболее популярные из них: деревья решений, регрессионные модели и нейронные сети