Rozdział 50. Zastosowanie — potok przetwarzania do wykrywania twarzy
W tej części książki omówiłem kilka centralnych koncepcji i algorytmów uczenia maszynowego. Przejście od tych koncepcji do rzeczywistego zastosowania może być jednak wyzwaniem. Zbiory danych w świecie rzeczywistym są zaszumione i heterogeniczne — mogą w nich występować braki, a dane mogą mieć postać trudną do przekształcenia w czystą macierz o wymiarach [liczba_próbek, liczba_cech]. Przed zastosowaniem którejkolwiek z omówionych w tej części książki metod należy wyodrębnić z danych cechy. Nie istnieje żaden uniwersalny sposób wykonywania tej czynności, dlatego jako analityk danych musisz oprzeć się na własnej intuicji i doświadczeniu.
Jednym z interesujących i fascynujących ...
Get Python Data Science now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
