知识卡片
分类器的已知类别边界
分类器通常从训练时指定的类别中选择预测结果。输入属于未见类别时,它仍可能给出某个已知类别,因而标签本身不能证明输入确实属于该类;面对新类别需要考虑数据与系统设计。
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
- 机器学习与深度学习入门 · 查看原书依据
系统只能理解它所学到的东西
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第1章《机器学习与深度学习入门》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0008_split_003.html`)
- 结论依据:原文给出该概念的定义及例子;适用边界是基于例子的解释。
- 原始内容:系统只能理解它所学到的东西。传统的分类器总是尽力为每个输入找到最接近的匹配,但是它们只能从所知道的类别中选择。 1.3.2 回归 假设我们对测量值进行了收集,但是收集结果并不完整,而我们又希望能够估计缺失的值。例如,我们