MLAPP讀書筆記--3.1 and 3.2 Bayesian Concept Learning
Concept learning: 學習一個概念（如學習一個詞的含義），等價於一個二分類問題，這裏注意通常的二分類問題都是要有正負樣本，而在Bayesian Concept Learning中只需要有正樣本就可以了，如教小孩子認識狗，只需要告訴他什麼是狗，而不需要說什麼不是狗。 例子(Number Game):給一個數學概念C（如「素數」或「0到100之間的數」）和這個概念下的正樣本D，然後拿一個
相關文章
- 1. MLaPP 讀書筆記-概述
- 2. 3.1節(Introducing the concept of direct content)讀書筆記
- 3. cousera「Neural NetWorks and Deep learning"讀書筆記
- 4. Bayesian Deep Learning 學習筆記
- 5. 《Machine Learning（Tom M. Mitchell）》讀書筆記——七、第六章
- 6. Reinforcement Learning Note: Concept and MDP
- 7. 論文閱讀筆記《Deep Meta-Learning: Learning to Learn in the Concept Space》
- 8. Learning TypeScript讀書筆記1
- 9. machine-learning-yearning——讀書筆記
- 10. GNN新作《Relational inductive biases，deep learning，and graph networks》讀書筆記
- 更多相關文章...
- • Eclipse 添加書籤 - Eclipse 教程
- • ASP.NET Razor - 標記 - ASP.NET 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • JDK13 GA發佈：5大特性解讀
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
相關文章
- 1. MLaPP 讀書筆記-概述
- 2. 3.1節(Introducing the concept of direct content)讀書筆記
- 3. cousera「Neural NetWorks and Deep learning"讀書筆記
- 4. Bayesian Deep Learning 學習筆記
- 5. 《Machine Learning（Tom M. Mitchell）》讀書筆記——七、第六章
- 6. Reinforcement Learning Note: Concept and MDP
- 7. 論文閱讀筆記《Deep Meta-Learning: Learning to Learn in the Concept Space》
- 8. Learning TypeScript讀書筆記1
- 9. machine-learning-yearning——讀書筆記
- 10. GNN新作《Relational inductive biases，deep learning，and graph networks》讀書筆記