知识卡片
机器学习的三要素
机器学习的全部工作可以压缩成三样东西:训练样本、特征、模型。特征是描述样本的可计算侧面(大小、轮子数、是否含网址),模型是把特征映射到输出的规则 y=f(x),训练样本是带答案(标注)或不带答案(未标注)的样例集合,前者对应监督学习,后者对应无监督学习。三者缺一不可:没有特征模型无从计算,没有样本参数无从估计,没有模型结构特征只是数字。汽车与摩托车的故事说明人学习也是先看样例、再抓特征、最后形成判断规则。关键代价是:模型结构可以跨任务复用(分类框架相同),特征却高度依赖具体任务,必须逐题设计,这正是后来深度学习想自动学特征的动因。
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
- 第3章 让机器可以像人一样学习(上) · 查看原书依据
所以,机器学习的过程其实就是模拟人学习的过程(当然,人比机器更智能,机器智能还远达不到人的程度)。从这个例子中可以看出,“小”“有两个轮子”“使用汽油”等就叫特征,那个if、then就叫模型。
参考来源
- 位置:《文本上的算法——深入浅出自然语言处理》第3章 让机器可以像人一样学习(上)(源文件:extracted/文本上的算法——深入浅出自然语言处理/_epub-src/OEBPS/Text/00008.html)
- 结论依据:原文这一段直接给出本卡的核心判断:「所以,机器学习的过程其实就是模拟人学习的过程(当然,人比机器更智能,机器智能还远……」
- 原始内容:所以,机器学习的过程其实就是模拟人学习的过程(当然,人比机器更智能,机器智能还远达不到人的程度)。从这个例子中可以看出,“小”“有两个轮子”“使用汽油”等就叫特征,那个if、then就叫模型。