摘要：剛開始接觸機器學(xué)習(xí)的時候，總是繞不開一些機器學(xué)習(xí)相關(guān)的基礎(chǔ)概念，比如模型，訓(xùn)練等。什么是機器學(xué)習(xí)以及模型機器學(xué)習(xí)是一種系統(tǒng)，用于根據(jù)輸入數(shù)據(jù)構(gòu)建預(yù)測模型。機器學(xué)習(xí)模型是機器學(xué)習(xí)系統(tǒng)從訓(xùn)練數(shù)據(jù)學(xué)到的內(nèi)容的表示形式。

本文不提供機器學(xué)習(xí)知識干貨，只是對一些概念的介紹，希望能解答一些入門時的疑惑。

剛開始接觸機器學(xué)習(xí)的時候，總是繞不開一些機器學(xué)習(xí)相關(guān)的基礎(chǔ)概念，比如模型，訓(xùn)練等。讀的文章多了我們自己也會在腦海中對這些名詞有一些基礎(chǔ)的概念，但是比較模糊。

希望讀完本文可以讓你對模型這個概念有感性的理解。

機器學(xué)習(xí)是一種系統(tǒng)，用于根據(jù)輸入數(shù)據(jù)構(gòu)建預(yù)測模型。這種系統(tǒng)會利用學(xué)到的模型對訓(xùn)練數(shù)據(jù)同一來源中提取的新數(shù)據(jù)進行實用的預(yù)測。

機器學(xué)習(xí)模型是機器學(xué)習(xí)系統(tǒng)從訓(xùn)練數(shù)據(jù)學(xué)到的內(nèi)容的表示形式。

訓(xùn)練是通過輸入數(shù)據(jù)確定構(gòu)成模型的理想?yún)?shù)的過程。

訓(xùn)練數(shù)據(jù)即訓(xùn)練過程中使用的數(shù)據(jù)。

回歸模型

分類模型

神經(jīng)網(wǎng)絡(luò)

模型訓(xùn)練出來是為了預(yù)測，但是模型訓(xùn)練的工程不太方便也沒有必要提供高可用的預(yù)測接口，畢竟訓(xùn)練工程應(yīng)該盡量提高模型的訓(xùn)練速度與準(zhǔn)確率，而不是預(yù)測的速度。那么我們還需要提供專門的服務(wù)來使用模型進行預(yù)測，這就涉及到模型的導(dǎo)出與加載。

我們需要把模型導(dǎo)出，然后在生產(chǎn)環(huán)境使用模型建立高可用的預(yù)測接口，進而把模型的構(gòu)建與使用分開。這樣可以提供更靈活的使用策略，比如多模型的 A/B testing，模型版本管理與回退等。

同時模型導(dǎo)出之后也可以方便地分享與復(fù)用。

谷歌提供的機器學(xué)習(xí)詞匯解釋
在機器學(xué)習(xí)當(dāng)中，什么是訓(xùn)練，什么是模型？
Pytorch: Saving and Loading Models
TensorFlow: 部署指南