林軒田《機器學習基石》（四）—— Feasibility of learning
我們將介紹機器學習的可行性，討論問題是否可以使用機器學習來解決。 一、不能學習的問題 首先考慮如下問題，依據6箇舊圖形判斷新圖形的類別。 如果根據是否是對稱圖像：該圖形被分類爲+1 是否左上角的小方塊是黑色的：該圖形被分類爲-1 可以看到規則可以隨人說，而且還在已知資料上分的很好。所以如果沒有限制無論你答什麼，你對還是錯都是隨人說的。 另一個例子： 灰色部分是數據D，y是真實的標籤，g是理想的使得
相關文章
- 1. 林軒田-機器學習基石 課堂筆記（四）Feasibility of Learning
- 2. [林軒田]機器學習基石（四)
- 3. 林軒田機器學習基石（Machine Learning Foundations）筆記（四）
- 4. Feasibility of Learning & Training versus Test（林軒田-機器學習）
- 5. [林軒田]機器學習基石（三）
- 6. 機器學習 | 臺大林軒田機器學習基石課程筆記4 --- Feasibility of Learning
- 7. 機器學習基石 - Feasibility of Learning
- 8. 機器學習基石-Feasibility of Learning
- 9. [機器學習基石]臺大林軒田筆記大綱
- 10. 林軒田《機器學習基石》（十三）—— Hazard of overfitting
- 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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 林軒田-機器學習基石 課堂筆記（四）Feasibility of Learning
- 2. [林軒田]機器學習基石（四)
- 3. 林軒田機器學習基石（Machine Learning Foundations）筆記（四）
- 4. Feasibility of Learning & Training versus Test（林軒田-機器學習）
- 5. [林軒田]機器學習基石（三）
- 6. 機器學習 | 臺大林軒田機器學習基石課程筆記4 --- Feasibility of Learning
- 7. 機器學習基石 - Feasibility of Learning
- 8. 機器學習基石-Feasibility of Learning
- 9. [機器學習基石]臺大林軒田筆記大綱
- 10. 林軒田《機器學習基石》（十三）—— Hazard of overfitting