Question
无论什么类型的机器学习问题，都会遇到这些组件：[...]
Answer
-
可以用来学习的数据（data）；
-
如何转换数据的模型（model）；
-
一个目标函数（objective function），用来量化模型的有效性；
-
调整模型参数以优化目标函数的算法（algorithm）。
Question
无论什么类型的机器学习问题，都会遇到这些组件：[...]
Question
无论什么类型的机器学习问题，都会遇到这些组件：[...]
Answer
-
可以用来学习的数据（data）；
-
如何转换数据的模型（model）；
-
一个目标函数（objective function），用来量化模型的有效性；
-
调整模型参数以优化目标函数的算法（algorithm）。
If you want to change selection, open original toplevel document below and click on "Move attachment"
Parent (intermediate) annotation
Open it 无论什么类型的机器学习问题，都会遇到这些组件： 可以用来学习的数据（data）； 如何转换数据的模型（model）； 一个目标函数（objective function），用来量化模型的有效性； 调整模型参数以优化目标函数的算法（algorithm）。 Original toplevel document
1. 引言 — 动手学深度学习 2.0.0 documentation和狗的图片来设计一个“猫图检测器”。 检测器最终可以学会：如果输入是猫的图片就输出一个非常大的正数，如果输入是狗的图片就会输出一个非常小的负数。 如果检测器不确定输入的图片中是猫还是狗，它会输出接近于零的数…… 这个例子仅仅是机器学习常见应用的冰山一角， 而深度学习是机器学习的一个主要分支，本节稍后的内容将对其进行更详细的解析。 1.2. 机器学习中的关键组件¶ 首先介绍一些核心组件。<span>无论什么类型的机器学习问题，都会遇到这些组件： 可以用来学习的数据（data）； 如何转换数据的模型（model）； 一个目标函数（objective function），用来量化模型的有效性； 调整模型参数以优化目标函数的算法（algorithm）。 1.2.1. 数据¶ 毋庸置疑，如果没有数据，那么数据科学毫无用武之地。 每个数据集由一个个样本（example, sample）组成，大多时候，它们遵循独立同分布(independently and identically distributed, i.i.d.)。 样本有时也叫做数据点（data point）或者数据实例（data instance），通常每个样本Summary
| status | not learned | | measured difficulty | 37% [default] | | last interval [days] | |
|---|
| repetition number in this series | 0 | | memorised on | | | scheduled repetition | |
|---|
| scheduled repetition interval | | | last repetition or drill | | | | |
|---|
Details
No repetitions