什么是训练数据

众所周知，机器处理和存储知识的速度比人类快很多。但是我们如何最大限度的利用机器让他们来处理一些“智能任务”呢？这个问题的答案是：用和这些智能任务相关的数据来“喂养”机器，让机器从这些数据中学习。这些相关的数据又称为训练数据。


机器学习的模型和儿童学习的方式类似。回想一下当一个孩子观察一个新事物时，比如当天第一次观察一只狗时，他会得到这个场景中的一些反馈比如记住这种狗的特征如有毛，两只眼睛，一只尾巴等等，于是当这个孩子下次再碰到狗时，他就能辨别出来。


机器能从我们提供的训练数据中学习。利用这一特性，我们可以调控算法来发现事物之间的关系，检测模式，理解复杂的问题和做最优决策。最终，我们提供的训练数据的质量，多样性和数据将对我们机器学习算法模型的成败产生重大影响。
训练数据的内容和形式经常是指：在终端应用角度被用来训练机器学习模型的被标注的或者人为标注的或者ground truth的数据集。下面我们列了一些可以用来训练不同种类的机器视觉模型的已经标注好的数据。

    1.用于自动驾驶的道路检测

2.面部特征识别

3.像素级场景理解

4.汽车图片故障检测为保险理赔提供依据

5.从2D图片中预测3D维度

训练数据的重要性？
简单来讲，训练数据就是用来训练机器学习模型的标注好的数据。你可能需要大量的训练数据来使你的模型准确度更高，但是一般情况下，你具备足够的训练数据的可能性很低。


公共数据集通常是没有结构化的并且很难被划入某个特殊的类别。唯一的方法就是把这些数据都看一遍从中挑选出对你有用的数据


如何去获得训练数据？
通常情况下只要单个公司或者少数项目组的人是收集不到大量的训练数据的或者需要耗费算法研究人员大量的精力。不要担心，我们将利用我们数量庞大的标注员专业的帮助您收集足够多的训练数据，不管您需要的是2D框，点，图像分割或者任何形状，我们都能快速的帮助您获得高精度，高重复利用率的训练数据。


好奇我们可以提供哪种类型的标注？下面是一些我们做够的项目案例，比如自动驾驶，无人机，智能农业，卫星影像，视频安防和运动分析的图像标注。


我们也支持多种图像标注类别比如:


2D框
形状分割
3D立方体标注
线标注
地貌/点标注
语气分割
3D点云标注




关于训练数据的FAQ


什么是训练数据？
训练数据是用来训练机器学习算法和提升准确率的标注好的数据


什么是test set?
每个机器学习的模型需要在真实的世界中测试当它遇到新数据时的准确度，就好像一个学生在考试时遇到没有见过的题目一样，机器也需要这样的测试。这样的测试数据就是test set。


什么是验证数据Validation data?
当用某一个特定的数据集训练ML模型时，我们需要确保模型训练基于整个数据集的分布。因此我们“喂养”模型的标注数据被分成了训练数据和验证数据。这样可以确保机器学习的模型是基于整个数据集而产生的


我们应该如何把一个数据集划分为测试和训练数据？
每个数据集的内容都是不一样的。我们需要了解相应领域的知识来决定如何把标注的数据划分为训练和测试数据集。一般根本你想要测试您的模型的表现的意愿程度，训练数据：测试数据的比如通常为80:20或者75:25


一般多少训练数据是足够的？
每个领域有不同的算法所有需要不同的数据。但是总体而言，机器学习领域普遍认为，数据越多，模型的准确度和重复调用行越好


我们怎么获得免费的训练数据？
在互联网上你可以找到很多免费的训练数据集。很多科研机构也把他们采集的训练数据集共享给大家。


机器学些中训练数据和测试数据的区别？
训练数据，指的是我们用来训练或者教会机器模型或者算法的标注数据。
测试数据，指的是我们用来对模型的最终效果提供公正的评估的数据.