林轩田《机器学习基石》（四）—— Feasibility of learning
我们将介绍机器学习的可行性，讨论问题是否可以使用机器学习来解决。 一、不能学习的问题 首先考虑如下问题，依据6个旧图形判断新图形的类别。 如果根据是否是对称图像：该图形被分类为+1 是否左上角的小方块是黑色的：该图形被分类为-1 可以看到规则可以随人说，而且还在已知资料上分的很好。所以如果没有限制无论你答什么，你对还是错都是随人说的。 另一个例子： 灰色部分是数据D，y是真实的标签，g是理想的使得
相关文章
- 1. 林轩田-机器学习基石 课堂笔记（四）Feasibility of Learning
- 2. [林轩田]机器学习基石（四)
- 3. 林轩田机器学习基石（Machine Learning Foundations）笔记（四）
- 4. Feasibility of Learning & Training versus Test（林轩田-机器学习）
- 5. [林轩田]机器学习基石（三）
- 6. 机器学习 | 台大林轩田机器学习基石课程笔记4 --- Feasibility of Learning
- 7. 机器学习基石 - Feasibility of Learning
- 8. 机器学习基石-Feasibility of Learning
- 9. [机器学习基石]台大林轩田笔记大纲
- 10. 林轩田《机器学习基石》（十三）—— Hazard of overfitting
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Kotlin学习（二）基本类型
- • Kotlin学习（一）基本语法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 林轩田-机器学习基石 课堂笔记（四）Feasibility of Learning
- 2. [林轩田]机器学习基石（四)
- 3. 林轩田机器学习基石（Machine Learning Foundations）笔记（四）
- 4. Feasibility of Learning & Training versus Test（林轩田-机器学习）
- 5. [林轩田]机器学习基石（三）
- 6. 机器学习 | 台大林轩田机器学习基石课程笔记4 --- Feasibility of Learning
- 7. 机器学习基石 - Feasibility of Learning
- 8. 机器学习基石-Feasibility of Learning
- 9. [机器学习基石]台大林轩田笔记大纲
- 10. 林轩田《机器学习基石》（十三）—— Hazard of overfitting