ML基石_1_LearningProblem
2015-09-08 22:33
169 查看
课程逻辑
学习与机器学习
机器学习的适用
机器学习概图
该课程主要包括以下四个部分
1. When can machine learn
2. Why can machine learn
3. How can machine learn
4. How can machine learn better
obs -> learning -> skill
机器学习的过程为:
data -> ml -> improved performance measure
1. 存在潜在的某种模式
2. 不容易通过人工的规则定义模式
3. 存在关于模式的数据
![](http://img.blog.csdn.net/20150908223147405)
简单来说,机器学习就是:
A takes D&H to get g which is approach to f.
学习与机器学习
机器学习的适用
机器学习概图
课程逻辑
本系列文章属于台湾大学《机器学习基石》的笔记。该课程主要包括以下四个部分
1. When can machine learn
2. Why can machine learn
3. How can machine learn
4. How can machine learn better
学习与机器学习
学习的过程为:obs -> learning -> skill
机器学习的过程为:
data -> ml -> improved performance measure
机器学习的适用
机器学习,适用于以下情况:1. 存在潜在的某种模式
2. 不容易通过人工的规则定义模式
3. 存在关于模式的数据
机器学习概图
简单来说,机器学习就是:
A takes D&H to get g which is approach to f.
相关文章推荐
- 用冒泡,选择,快速排序的方法排序
- 使用指针数组访问一维数组数据
- JSP基本语句用法总结
- iOS开发个人独立博客收集
- 常用事件响应实习方式
- JAVA中堆和栈的区别
- C# 文件操作的工具类
- 制作一个USB 多启动盘(MBR)
- 反射
- Android:利用selector优化布局,提升用户体验
- enumeration与itertor
- CSDN-markdown编辑器
- 15_09_08 返回值类型错误
- Python time模块函数与时间格式关系图解
- 【J2SE】——基础宏总
- android双进程守护
- 类加载器和代理
- Bitmap优化小结
- 1089. Insert or Merge (25)
- C#高级------字符串练习题