← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9886 · 生成模型:Hunyuan

机器学习算法的三要素定义

理解等级:初级

机器学习算法被定义为能从经验中学习的程序:存在一个任务T和一个性能度量P,程序通过经验E改进后,在T上由P衡量的性能应有所提升。这三个要素构成讨论所有学习算法的通用框架:任务指系统要处理的问题类型(如分类、回归),性能度量指定好坏标准,经验则是数据本身。此定义刻意不规定T、P、E的具体含义,从而把讨论从“什么是智能”的哲学争论中抽离,落到可操作的系统设计上。任何具体算法都可按“它优化哪个P、用什么E来解决哪个T”来剖析。

这张卡片看不懂?

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

    参考来源

    - 位置:《深度学习》第5章 机器学习基础(源文件:extracted/深度学习/_epub-src/text/part0001_split_000.html) - 结论依据:原文先给出机器学习算法的定义,随后用Mitchell的三要素定义说明“学习”的判定标准,并说明本书不展开E、T、P的具体意义而靠示例建立直觉。 - 原始内容:对于某类任务T和性能度量P,一个计算机程序被认为可以从经验E中学习是指,通过经验E改进后,它在任务T上由性能度量P衡量的性能有所提升。