生产中机器学习算法的实验设计
我已经准备好了机器学习算法。我想在一个拥有70个城市的国家将其投入生产。但在将其推广到 70 个城市之前，我想在 1 个城市进行实验，以评估它在生产中的性能。但是，我现在面临一个问题，如果出现以下情况，我应该设置什么标准：1. 时间（我可以将其投入生产多少个月）2.数据（在实时环境中我需要多少数据来评估算法性能）
任何人都可以在生产环境中指导此机器学习实验吗？
编辑:我正在将机器学习应用于美国的价格优化。
共有1个答案
这取决于你的输出是什么，以及时间如何影响。您在哪个领域使用ML？很难直接说出什么。
-
Index 基本遵从《统计学习方法》一书中的符号表示。 除特别说明，默认w为行向量，x为列向量，以避免在wx 中使用转置符号；但有些公式为了更清晰区分向量与标量，依然会使用^T的上标，注意区分。 输入实例x的特征向量记为： 注意：x_i 和 x^(i) 含义不同，前者表示训练集中第 i 个实例，后者表示特征向量中的第 i 个分量；因此，通常记训练集为： 特征向量用小n表示维数，训练集用大N表示个数
-
我是机器学习算法的新手。我正在学习基本算法，如回归、分类、聚类、序列建模、在线算法。互联网上的所有文章都展示了如何将这些算法用于特定数据。没有关于在正式生产环境中部署这些算法的文章。所以我的问题是 1） 如何在生产环境中部署机器学习算法？ 2）机器学习教程中遵循的典型方法是使用一些训练数据构建模型，并将其用于测试数据。但是，是否建议在生产环境中使用这种模型？传入的数据可能会不断变化，因此模型将无效
-
本教程将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。
-
前言： 岗位：机器学习算法实习 笔试情况：无笔试 一面 1.自我介绍（非科班硕，一份水实习）; 2.介绍项目，并由此引出一系列八股文： 介绍gbdt算法的原理与实现 说说xgboost对于gbdt所做的主要优化 3.介绍实习工作 简单介绍resnet及其主要改进(shortcut连接，BN层)，说说这些改进为什么work 介绍transformer及self-attention机制实现方式 了解哪
-
本文向大家介绍机器学习中的距离计算方法?相关面试题，主要包含被问及机器学习中的距离计算方法?时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 设空间中两个点为 欧式距离: cos= 切比雪夫距离:max
-
问题答案可关注公众号 机器学习算法面试，回复“资料”即可领取啦~~ 1.机器学习理论 1.1 数学知识 1.1.1 机器学习中的距离和相似度度量方式有哪些？ 1.1.2 马氏距离比欧式距离的异同点？ 1.1.3 张量与矩阵的区别？ 1.1.4 如何判断矩阵为正定？ 1.1.5 距离的严格定义？ 1.1.6 参考 1.2 学习理论 1.2.1 什么是表示学习？ 1.2.2 什么是端到端学习？ 1.2