知识卡片
机器学习的本质
机器学习是从数据中自动获取知识、并用所得规律对未来做预测的一类方法。它与”人工分析数据、推导出规则再构造模型”的传统路径相对:传统做法由人总结规则,机器学习则由自学习算法从数据中提取模式,并随数据逐步改进预测模型的性能,把模型用于数据驱动的决策。这里的”学习”指模型性能随经验(数据)提升,而不是被显式编程告知每条规则。垃圾邮件过滤、语音与文字识别、搜索引擎、棋类对弈都是它日常落地的例子。判断一个系统是否属于机器学习,关键看它的规则是人工写死还是从样本中学出来的。
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
原书出处 · 1 处
- 1.1 构建智能机器将数据转化为知识 · 查看原书依据
与以往通过大量数据分析而人工推导出规则并构造模型不同,机器学习提供了一种从数据中获取知识的方法,同时能够逐步提高预测模型的性能,并将模型应用于基于数据驱动的决策中去
参考来源
- 位置:《Python机器学习》第1章《1.1 构建智能机器将数据转化为知识》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0008.xhtml.xhtml)
- 结论依据:原文对比了"人工推导规则并构造模型"与"从数据中获取知识、逐步提高预测模型性能",直接支撑本质定义;并列举垃圾邮件过滤、文字语音识别等应用。
- 原始内容:与以往通过大量数据分析而人工推导出规则并构造模型不同,机器学习提供了一种从数据中获取知识的方法,同时能够逐步提高预测模型的性能,并将模型应用于基于数据驱动的决策中去