然后，实际的学习发生在第三步，其中计算出的误差被最小化直到达到最佳值。第四步仅限于监督学习领域，其中输出对我们来说是已知的。通过将数据集分为训练数据集和测试数据集，我们可以使用以前未知的数据来评估我们的模型。
Google 的机器学习速成课程提供了机器学习过程的详细描述：
从这个过程可以得出的结论是：机器 whatsapp 筛查 学习模型的经验越多，它就越精确、越准确。换句话说：训练数据越多，预测就越准确。需要大量包含正数据和负数据的数据。这是谷歌和 Facebook 等科技公司的巨大竞争优势。由于不能假设他们会在某个时候与我们分享他们的知识和数据（即使政客坚持这样做），我们作为公司必须自己采取行动。
为什么自
“营销的目的是充分了解和理解客户，以便产品或服务适合客户并实现自我销售”——彼得·德鲁克（经济学家）
谷歌和 Facebook 的机器学习 如果您是一家与星巴克间接竞争 工具从根本上改变了我们的在线营销工作方式。如今，广告信息可以比以前更快、更有效地在正确的时间、正确的地点传递给正确的用户。然而，作为营销人员，我们为提高效率所付出的代价的在线营销是依赖性增强和缺乏透明度。我们将数据推送到智能竞价黑匣子并希望获得最佳结果。结果通常令人满意，以便可以在下一次报告中记录足够的转换。
但这些最终如何发生却不在我们的控制范围内。但这正是其真正价值所在。如果我们想让公司长期取得成功，我们就需要这些信息。众所周知，目标群体知识就是营销的力量。如果您知道哪种触发器对哪个目标群体最有效，您就可以有效地将资源集中在其上。
例如，尽管谷歌一段时间以来一直提供所谓的“出价策略报告”，但它也提到，所显示的“顶级信号”仅仅是示例。没有关于变量之间权重的信息。例如，我们看不出用户信号移动设备对于与一周中的某一天或某个兴趣相比的转换概率具有什么意义。
这感觉有点像驾驶一辆不会告知我们规划路线的自动驾驶汽车。我们坐下来，不再担心在大脑中存储有关最佳路径的知识。
但有一天，自动驾驶仪失 联合王国数据 灵了，我们必须重新回到驾驶座。与此同时，道路布局也发生了变化。现在怎么办？我们不再知道到达目的地最快、最有效的路线。
如果后天 Google 或 Facebook 停止运营（或被迫停止运营）会怎么样？
- 那么，我们能否说出哪些变的在线营销量对我们最有价值的目标受众具有最大的影响力？
- 我们是否仍然能够有根据地、以数据为依据地说出哪个目标群体对我们来说最有价值？
这正是值得开始的地方，使用您自己的机器学习模型来识别高收的在线营销入目标群体，并在活动启动之前利用效果。
毫无疑问，作为客户经理，我们最大的资产就是 Google & Co 最渴望的。