我是 ML 世界的新手，但对它非常好奇和热情。也浏览了文章和一些实践。仍然有一个愚蠢的疑问。
在样本数据集（如虹膜或糖尿病或乳腺癌等）和练习中，我发现数据格式良好，可以被 ML 模型（算法）消化。但是，实际上，它远不止于此。
例如，亚马逊推荐（交叉销售）产品的功能。根据我之前的搜索和订单，它可能会研究几个特征并预测更多的项目。我很好奇 -
请分享你的想法。
问候，RB（使用 Python 3.6 和 NumPy、Scikit 和 Pandas 的最新 1 版本）
好的，首先关于实时部分。
机器学习（尤其是监督学习）有两个部分
训练是一个复杂而缓慢的过程，您需要找出一个好的模型，然后用正确的数据对其进行训练……不简单且计算量大。
然而，预测要简单得多，因为通常（在神经网络的世界中）由神经网络中的一个简单的前向传递组成，而前向传递的核心是一堆矩阵乘法。因此，一旦建立并训练了一个模型，使用现有模型进行预测是非常快的，也可以使用新数据重新训练模型。
现在，关于文本搜索以及如何处理它们。有一个非常酷的想法叫做词嵌入，它只是将词转换为向量。想象一个二维网格（就像我们在学校学习的 x,y 坐标），现在想象垂直轴 (y) 表示某物的强大程度，y 值越高，它就越强大。现在假设 x 轴表示某物的性别。（假设负 x 表示男性，正 x 表示女性）。
现在最重要的是：国王。国王是男性（x=负值）和强大的（y=正值）。使用这两个坐标，从位置 0,0 开始，您可以有一个向量。
现在想想 Queen，在这种情况下，坐标将是 x=Positive 值和 y=Positive 值，现在您有了另一个向量。
现在想想斯巴达克斯这个词（他是古罗马的奴隶），所以这个词将有 x=Negative 和 y=Negative。
想到这里，突然间你不仅可以用数字来表示单词，还可以用向量来表示它们，这样你就有可能发现 King 和 Emperor 都是相似词。