知识卡片
可表示不等于可高效学习
一种结果能被模型表示,不意味着算法一定能从有限数据和资源中找到它。应依次区分表达能力、理论可学习性和实际计算效率;例如单个线性感知机无法直接表示非线性决策边界,增大训练时间不能改变其表达形式。
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
- 学习与推理 · 查看原书依据
系统是不能“学习”它无法“表示”的东西
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第11章《学习与推理》11.2(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0018_split_002.html`)
- 结论依据:原文以感知机和学习三部分说明表示能力、评估与优化。
- 原始内容:系统是不能“学习”它无法“表示”的东西的。 如果我们想要找到并且记住一条能分割两组数据的曲线,就需要一个具有更强大的表示能力(或者简单地说有更强大的能力)的算法。 我们有时会说:“算法表示信息的方式”和“一组特定的值”共