[林軒田]機器學習基石（四)
Lecture 4: Feasibility of Learning 機器學習的可行性 ppt 4.1 Learning is impossible 學習是不可能的 這一小節的主要內容是，既然假設函數 f f 是未知的，那麼我們怎麼能保證我們在數據樣本中學到的 g g ，是越來越接近 f f 的呢？在沒有任何限定的情況下，很有可能我們在 D D 中學到的知識沒有任何意義，即我們不能夠利用我們學到的
相關文章
- 1. [林軒田]機器學習基石（四)
- 2. [林軒田]機器學習基石（三）
- 3. 林軒田《機器學習基石》（四）—— Feasibility of learning
- 4. 林軒田機器學習基石（Machine Learning Foundations）筆記（四）
- 5. 林軒田機器學習基石感知機算法（二）
- 6. 林軒田「機器學習基石」筆記(1) 機器學習理論基礎
- 7. 機器學習基石-林軒田-第一週筆記
- 8. 【Linear Regression】林軒田機器學習基石
- 9. 林軒田機器學習基石入門（三）
- 10. 林軒田機器學習基石--The Learning Problem
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Kotlin學習（二）基本類型
- • Kotlin學習（一）基本語法
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
