機器學(xué)習(xí)是人工智能(artificial intelligence)研究發(fā)展到一定階段的必然產(chǎn)物
2018-08-15 閱讀全文>>從NFL定理可知,這兩個假設(shè)同樣好,我們立即會想到符合條件的例子
2018-08-15 閱讀全文>>讀者對機器學(xué)習(xí)的熱情可能被一盆冷水澆透了
2018-08-15 閱讀全文>>奧卡姆剃刀并非唯一可行的原則
2018-08-15 閱讀全文>>對有限個樣本點組成的訓(xùn)練集,存在著很多條曲線與其一致
2018-08-15 閱讀全文>>通過學(xué)習(xí)得到的模型對應(yīng)了假設(shè)空間中的一個假設(shè).于是,圖1 2的西瓜版本空間給我們帶來一個麻煩:現(xiàn)在有三個與訓(xùn)練集一致的假設(shè),但與它們對應(yīng)的模型在面臨新樣本的時候,卻會產(chǎn)生不同的輸出
2018-08-15 閱讀全文>>可以有許多策略對這個假設(shè)空間進行搜索
2018-08-15 閱讀全文>>我們可以把學(xué)習(xí)過程看作一個在所有假設(shè)(hypothesis)組成的空間中進行搜索的過程
2018-08-15 閱讀全文>>歸納(induction)與演繹(deduction)是科學(xué)推理的兩大基本手段
2018-08-15 閱讀全文>>根據(jù)訓(xùn)練數(shù)據(jù)是否擁有標(biāo)記信息,學(xué)習(xí)任務(wù)可大致劃分為兩大類
2018-08-15 閱讀全文>>否則標(biāo)記信息直接形成了簇劃分:但也有例外情況,參見13 6節(jié),亦稱“有導(dǎo)師學(xué)習(xí)”和“無導(dǎo)師學(xué)習(xí)”,更確切地說,是“未見示例”(unseen instance).現(xiàn)實任務(wù)中樣本空間的規(guī)模通常很大(例如20個屬性,每個屬性有10個可能取值
2018-08-15 閱讀全文>>從數(shù)據(jù)中學(xué)得模型的過程稱為“學(xué)習(xí)”(learning)或“訓(xùn)練”(training)
2018-08-15 閱讀全文>>通過上下文可判斷出“樣本”是指單個示例還是數(shù)據(jù)集
2018-08-15 閱讀全文>>機器學(xué)習(xí)正是這樣一門學(xué)科,它致力于研究如何通過計算的手段,利用經(jīng)驗來改善系統(tǒng)自身的性能.
2018-08-15 閱讀全文>>傍晚小街路面上沁出微雨后的濕潤,和煦的細風(fēng)吹來,抬頭看看天邊的晚霞,嗯,明天又是一個好天氣.走到水果攤旁,挑了個根蒂蜷縮、敲起來聲音濁響的青綠西瓜,一邊滿心期待著皮薄肉厚瓤甜的爽落感,一邊愉快地想著,這學(xué)期狠下了工夫,基礎(chǔ)概念弄得清清楚楚,算法作業(yè)也是信手拈來,這門課成績一定差不了!
2018-08-15 閱讀全文>>