或者说您使用一个城市的数据创建了它

ruhul00

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？


查理：我认为这将特定于数据集。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与澳大利亚小城市的房屋价 牙买加手机号码列表 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。