知识卡片
机器学习从样本提炼模式
机器学习用观测样本建立可复用的模式,再用于识别新对象或理解情境。邮编识别需要图片与对应标签,模型从这种对应关系学习,而非只保存一套手写规则。样本是否代表目标情境会限制模型的可迁移性;数据量大本身不能保证数据正确或任务可学。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 前言
原书出处 · 1 处
- 译者序与前言 前言 · 查看原书依据
什么是机器学习?简单来说,机器学习就是一套工具和方法,凭借这些工具和方法我们可以从观测到的样本中提炼模式、归纳知识。举个例子,如果我们要让计算机识别信封上的邮政编码,那么需要这样的数据:首先是信封的图片数据,其次信封上必须有收件人的邮政编码。换句话说,在特定情境下,我们可以记录研
参考来源
- 位置:《机器学习:实用案例解析》第00章《前言》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3070.html,spine3175)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:什么是机器学习?简单来说,机器学习就是一套工具和方法,凭借这些工具和方法我们可以从观测到的样本中提炼模式、归纳知识。举个例子,如果我们要让计算机识别信封上的邮政编码,那么需要这样的数据:首先是信封的图片数据,其次信封上必须有收件人的邮政编码。换句话说,在特定情境下,我们可以记录研