8种高级的Python列表使用技巧

获得(足够)数据之前就形成理论是一个重大的错误。重要的是，确保任何机器学习模型都有足够的数据用于训练。多少数据才算够呢?多多益善!理想情况下，数据应该来源可靠，而且必须物尽其用。

6. 可解释性

在机器学习中，往往需要在追求卓越模型性能和简要解释模型运行之间保持平衡，低性能模型尤其如此。一般来说，对于复杂的数据，模型越精密、越复杂就越好。然而，因为这些模型更加复杂，解释输入数据对输出结果的影响也就更加困难。

举个例子，假设要用非常复杂的机器学习模型预测某产品的销量。输入模型的数据是电视、报纸和广播的广告开支。这个复杂模型能够给出非常准确的销量预测，但是无法解释这3种推广渠道，即电视、广播和报纸，哪个对销量的影响最大、哪个更值得投入。

另一方面，更简单的模型可能结果没有那么准确，但是能够解释哪个渠道更值得投入。顾客必须有平衡模型性能和可解释性的意识。这很重要，因为如何在可解释性和性能之间取得平衡取决于目的，因此使用模型的人必须做出决定。

7. 那么…你有什么优点和缺点?


 

衡量机器学习模型的分类性能标准当中，准确性是非常常见的标准。例如，对于分类猫和狗图片的机器学习模型来说，96%的准确率可以说非常出色。这意味着在100张猫和狗的图片中，模型能够准确地猜出其中96张。

现在，假设某银行将同样的标准应用于对欺诈交易的识别。欺诈识别器可以轻松达到96%的准确率，因为欺诈交易十分罕见。然而识别欺诈交易并不是96%的正确识别就足够了，而是要降低出错率，错误识别4%的欺诈交易会带来很大的危害。

对于银行欺诈的例子来说，假负率比准确率更能反映模型的性能。根据不同问题的要求，可以用其他的标准替代准确率，比如精确率、召回率、特异性和F1值等。你必须留心他是否运用正确的指标，如果可能的话，可以使用多种指标。

5. 更多，更多，更多!

一般来说，在其他条件不变的情况下，用于训练的数据越多，模型的表现就越好，深度学习模型尤其如此。它就好比备考SAT的高中生，如果做了大量的练习，练习了各种各样的问题，就更有可能在SAT考试中取得好成绩。


 

流程挖掘技术

流程挖掘使组织能够确保自动化过程是有效的、一致的和可靠的。通过流程挖掘，企业可以实现自动决策，模拟流程来预测未来的结果，识别组织领导中的差距，并确保实现的流程能够得到持续的改进。有三种流程挖掘技术，每一种都反映了流程挖掘的一个特定用例或关注点:

• 发现:在流程挖掘的发现类中，没有过去的模型可以使用，因此你的组织必须从头开始。基于收集的信息和需求来创建一个新模型，然后开发一个算法来分析数据，从而为你的流程来建立模型。
• 一致性检查:一致性检查发生在流程模型已经建立并运行的情况下。在这一阶段，公司会逐步将流程事件日志中的数据与流程或模型进行比较，以发现差异或偏差。可以对任何确定的方差进行分析，以查看是哪些数据元素影响了流程结果。在某些情况下，可以进行改进，或者可以确认业务或IT流程是否正在按预期运行。
• 性能挖掘:性能挖掘也用于已经有流程的情况，但它的目的是为新的流程性能腾出空间。例如，可以扩展流程来适应成本调整、预算、技术变化和处理时间。流程挖掘可以帮助组织进行流程调整，然后确保它们提供了最好的结果。

流程挖掘工具

有大量的第三方服务可以帮助公司来处理流程挖掘工作。这些软件工具可以帮助公司收集他们所需要的相关数据，并根据这些数据来提供有洞察力的分析。

流程挖掘软件可以帮助简化流程文档，使公司能够在引入新的法规遵循时进行快速更改。其中最重要的是要持续的监控流程，以确保获得可能的优秀结果。虽然由于情况的变化，你并不总是能够控制结果，但你可以控制、修复或改进相应的流程，以创造更好的产品、服务和工具。

流程挖掘工具可以自动为组织创建可视化的地图，以逐步查看流程是如何工作的，在哪些地方最有效，哪些地方失效了，这样公司就可以随着时间的推移来进行增量改进，以创造更好的产出。有很多可供选择的方法，一些流行的流程挖掘工具和软件包括:

（编辑：阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!