原书出处
深度学习
05 第5章 机器学习基础
代表学习器应该推断的隐式流形 如果我们希望机器学习算法学习整个 上有趣变化的函数,那么很多机器学习问题看上去都是无望的。
流形学习 (manifold learning)算法通过一个假设来克服这个障碍,该假设认为R n 中大部分区域都是无效的输入,有意义的输入只分布在包含少量数据点的子集构成的一组流形中,而学习函数的输出中,有意义的变化都沿着流形的方向或仅发生在我们切换到另一流形时。
流形学习最初用于连续数值和无监督学习的环境,尽管这个概率集中的想法也能够泛化到离散数据和监督学习的设定下:关键假设仍然是
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习/_epub-src/text/part0001_split_001.html
EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639