免費問答

首先，要準備的數(shù)據(jù)包括歷史數(shù)據(jù)、實時數(shù)據(jù)、結構性數(shù)據(jù)和非結構性數(shù)據(jù)。其中，歷史數(shù)據(jù)是指過去一段時間內收集到的數(shù)據(jù)，可以幫助我們了解當前數(shù)據(jù)變化趨勢；實時數(shù)據(jù)是實時地收集數(shù)據(jù)，通過實時數(shù)據(jù)可以進一步了解當前情況；結構性數(shù)據(jù)一般是數(shù)據(jù)庫中的數(shù)據(jù)，能夠更好地反映系統(tǒng)的狀態(tài)；而非結構性數(shù)據(jù)一般是圖像、文本、音頻或視頻等，它們通常需要先進行抽取和處理才能用于機器學習。拓展知識：機器學習挖掘的特征選擇也是重要的，即選擇多少個屬性、那些屬性對于模型輸出來說具有重要性，需要考慮屬性之間的相關性，剔除一些無關的屬性，從而減少模型的計算開銷并提高模型的準確性。