机器学习建模流程

获取数据

获取数据

• 数据来源：Todo：推荐几个网站
  • 音频数据：(待补充)
  • 文本数据:（待补充）
  • 图像数据：(待补充)

数据基本处理

• 缺失值处理：填充缺失值或删除不完整项目
• 异常值处理：更改异常值或者删除异常值

特征工程

• 特征提取：从原始数据中提取与任务相关的特征
• 特征预处理：对特征进行归一化等处理，避免不同特征取值范围(消除量纲)对模型的影响
• 特征降维：从高维特征中选择重要特征，去除无关特征，例如相关系数，PCA(主成分分析)

机器学习(训练模型)

• 输入数据
• 特征处理：对数据进行基本处理及特征工程，提取特征向量
• 模型训练：将特征向量和标签送入模型进行训练，得到学习好的模型

模型评估

• 预测过程: 新数据经过相同特征提取方法后，送入模型获取预测结果
• 评估方法: 将预测结果与真实标签进行比较，评估模型性能

总结

graph TD
    subgraph Training
        A[label] --> D
        B[input] --> C[feature extractor] --> E[features] --> D[machine learning algorithm]
    end
    subgraph Prediction
        F[input] --> G[feature extractor] --> H[features] --> I[classifier model] --> J[label]
        D --> I
    end