機器學習模型簡論

本文不提供機器學習知識乾貨，只是對一些概念的介紹，但願能解答一些入門時的疑惑。

剛開始接觸機器學習的時候，老是繞不開一些機器學習相關的基礎概念，好比模型，訓練等。讀的文章多了咱們本身也會在腦海中對這些名詞有一些基礎的概念，可是比較模糊。

但願讀完本文可讓你對模型這個概念有感性的理解。

1 什麼是機器學習以及模型

機器學習是一種系統，用於根據輸入數據構建預測模型。這種系統會利用學到的模型對訓練數據同一來源中提取的新數據進行實用的預測。

機器學習模型是機器學習系統從訓練數據學到的內容的表示形式。

模型與訓練的關係

訓練是經過輸入數據肯定構成模型的理想參數的過程。

訓練數據即訓練過程當中使用的數據。

經常使用模型

• 迴歸模型
• 分類模型
• 神經網絡

2 模型的導出與加載

模型訓練出來是爲了預測，可是模型訓練的工程不太方便也沒有必要提供高可用的預測接口，畢竟訓練工程應該儘可能提升模型的訓練速度與準確率，而不是預測的速度。那麼咱們還須要提供專門的服務來使用模型進行預測，這就涉及到模型的導出與加載。

咱們須要把模型導出，而後在生產環境使用模型創建高可用的預測接口，進而把模型的構建與使用分開。這樣能夠提供更靈活的使用策略，好比多模型的 A/B testing，模型版本管理與回退等。

同時模型導出以後也能夠方便地分享與複用。

參考連接

谷歌提供的機器學習詞彙解釋
在機器學習當中，什麼是訓練，什麼是模型？
Pytorch: Saving and Loading Models
TensorFlow: 部署指南