知识卡片
标签把样本与学习目标连接
监督学习用带有目标标签的样本训练映射,例如垃圾邮件与正常邮件。标签定义、样本代表性和任务边界决定训练信号能说明什么。
原文把非结构化数据与大数据紧接讨论,但数据量、结构化程度与是否有标签是不同维度。大数据不是只能没有结构,机器学习也不只包含监督分类。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 14.1 概述
原书出处 · 1 处
- 14.1 概述 · 查看原书依据
换句话说,我们把有组织的训练数据输入到一个程序中,告诉程序这些数据意味着什么(也就是说,什么是垃圾邮件,什么不是垃圾邮件)。我们称之为机器学习(ML)。有点像Huckleberry Finn,我们要“学那台机器”,而不是“教”它。 在许多方面,机器学习系统类似
参考来源
- 位置:《计算机系统解密》14.1 概述(来源项目book-sources,源文件:extracted/计算机系统解密/_epub-src/text/part0140.html)
- 结论依据:本项全部正文与图表实际读取,区分作者示例、推导与实现边界;纠错另有明确说明。
- 原始内容:换句话说,我们把有组织的训练数据输入到一个程序中,告诉程序这些数据意味着什么(也就是说,什么是垃圾邮件,什么不是垃圾邮件)。我们称之为机器学习(ML)。有点像Huckleberry Finn,我们要“学那台机器”,而不是“教”它。 在许多方面,机器学习系统类似