查理我认为这将特定于数

rmruhul

旦创建了该模型，或者说您使用一个城市的数据创建了它，您是否可以将其提供给它……您需要提供另一个城市的数据吗？一旦培训完成，您是否能够拿起它并在其他地方使用它，或者它是否特定于该数据集，或者它如何工作？

据集。因此，这意味着您可以使用相同的格式创建另一个数据集。如果您有一个包含不同列的 Excel 电子表格，您将能够保留相同的标签和功能，但必须将其替换为该城市的值。但总的来说，这意味着收集数据集也可能需要花费很多时间，但是如果您已经知道您为巴黎市做了什么，并且数据集的结构是相同的，但是您替换这些值，速度会快一些，并且可以重新生成模型。

查理：例如，如果您的数据不同，因为巴黎的房屋价格 电报号码数据 与澳大利亚小城市的房屋价格不同，则您不应该重复使用相同的模型。因此，您不希望出现错误的数据，因为数据集的核心最初并不完全相同。

德鲁：我们谈论了很多关于机器学习的模型。因此，该模型有点像所有数据集分析的最终结果。然后用它来进行后续预测。模型就是这样的吧？

查理：是的，就是这样。它是一个模型，所以它有点像一个函数，您将向其中提供以前从未见过的新输入，但基于它在训练步骤中学到的内容。它将能够输出预测。

德鲁：所以监督学习，然后它根据特征上的标签建立这个预测模型。什么是无监督学习？

查理：所以无监督是有点相同的概念，但你删除了标签。所以在这种情况下，你可以认为我们卖房子的问题并不是真正的无监督学习问题，因为如果你只知道你周围房子的特征，但你没有价格作为标签，你无法真正预测价格。它甚至不知道价格是多少。

查理：因此，当您拥有一组数据并且只有有关它的特征时，无监督就更多了。您可以一起生成更多趋势或事物集群。如果你想要一个特定的输出，如果你有一个特定的问题，比如“这个的价格是多少？”，你就不会使用无监督学习。这并不是无监督的一个很好的用途，但更重要的是，如果你想将实体聚集在一起，它可以是人或类似的东西。



查理：因此，通常情况下，一个用例是诸如亚马逊推荐或 Spotify 推荐之类的推荐，例如“像你这样的人也听这个”，而更多的是围绕这种情况下的功能......好吧，他们有关于你，这样他们就知道你听什么，你通常在哪个国家，或者你一天听多少次？因此，利用这些关于人的功能，他们可以将你置于同一个集群或同一类型的听众中，或者在亚马逊上购买某些东西的同一类型的人中。使用这种无监督学习，他们可以根据像您这样的人知道向您做广告或建议您应该听什么。所以更多的是这样的问题。

德鲁：好吧，作为一名网络开发人员，这一切对我来说更有意义，因为我们讨论过的这些用途，房屋定价和推荐以及服务广告等，归根结底，这些是我们必须处理的各种事情以及我们可能想要放入网站或产品或您拥有的东西中的功能。因此，我们根据我们希望预测的主题提供了不同类型的学习。我们还可以将其与其他类型的应用程序一起使用吗？人们是否创建了一些可以利用这一点的好例子？

查理：是的。这样的例子有很多。这就是为什么，当我谈到预测房价时，也许这与你无关。也许这并不是那么令人兴奋，但实际上您可以做的还有很多。周围确实有很好的例子。我想我看到的第一个是动态生成的图像艺术文本。因此，当您将图像添加到网站时，您当然可以自己做一些事情。