3
规则引擎与ML模型的比较 - xLaszlo
source link: https://www.jdon.com/59067
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
规则引擎与ML模型的比较 - xLaszlo
“基于规则的系统”通常是作为ML项目的良好起点。
数据科学的重点是提出问题
数据科学家的工作是通过统计工具回答问题。有时一些答案可以模型的形式表现出来，但这不是必需的。
数据科学家首先关注的是问题而不是答案。这要求他们构建一个框架（使用代码和数据），以便验证后续答案。
构建一个基于规则的系统很简单？
建立规则听起来很简单，不是吗？
- 先从 "价格>1000美元，则为真，否则为假 "这样的内容开始；
- 然后你添加逻辑运算符，如AND、OR和NOT；
- 然后，你调整常数，进行演示；
- 然后你添加循环和分支来简化逻辑表达式。
这就是基于规则的系统吗？好像很简单，但发展到最后，你可能希望将该项目委托给软件工程团队；他们更擅长编写代码，然后数据科学家通过DSL输入业务规则。
后来，你会发现规则引擎+DSL并不能满足你....
建立人工智能模型很难吗？
假设您准备并构建了一个可以验证模型的框架：
从零开始实施新的机器学习模型确实很难。但最近该领域最大的进步是：已经存在大量易于使用的高质量模型。
您可以从 spacy、huggingface 或 imagenet 等预训练的模型开始解决标准任务。
您拥有结构化数据的 *BOOST 模型，使用 sklearn 的 LogReg 构建基线模型则没有任何问题。
在像机器学习这样快速发展的领域中，您不仅需要更新自己的技能，还需要更新您对所接受的合理首次尝试的信念。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK