数据训练分几个阶段  

AI是如何进行数据训练的  

  1、数据预处理阶段  

  主要是对数据进行预处理，包含数据清洗、数据归一化、特征提取  

  2、模型构建阶段  

  设定损失函数3  

  4、反向传播算法  

  5、模型评估、优化  

  数据归一化:把数据在多个维度的度量，统一为一个相同的度量区间，以平衡它们之间的影响因素，例如把0-1000区间的面积特征和0  

  10000000之间的  

  价格特征都归一为0-1区间，或者归一到0+1区间  

  监督学习  

  监督学习是一种通过提供输入和输出对来训练模型的机器学习方法。在监督学习中，我们会为模型提供一组已知的输入和输出数据(标签)，模型通过学习这些数据  

  来预测未知数据的输出结果。常见的监督学习算法包括决策树、神经网络、支持向量机等。  

  无监督学习  

  无监督学习是一种在没有标签的情况下训练模型的机器学习方法，在无监督学习中，模型需要自己找出数据中的模式和结构，而不是通过标签进行指导。常见的无监  

  督学习算法包括聚类、降维、关联规则控掘等.  

  半监督学习半监督学习是介于监督学习和无监督学习之间的一种机器学习方法。在半监督学习中，模型的训练数据包括一部分带标签的数据和一部分不带标签的数据。模型通过  

  学习带标签数据来预测未知数据的输出结果，并尝试利用未标记数据的结构信息来提高模型的性能。常见的半监督学习算法包括标签传播、深度置信网络等。  

Powered by Froala Editor