Обрамление

Этот модуль исследует, как сформулировать задачу как проблему машинного обучения, и охватывает многие основные словарные термины, используемые в широком диапазоне методов машинного обучения (ML).

Обрамление

Системы машинного обучения учатся

как объединить ввод

делать полезные прогнозы

на ранее не публиковавшихся данных

  • Метка — это прогнозируемая нами переменная.
    • Обычно представляется переменной y
  • Метка — это прогнозируемая нами переменная.
    • Обычно представляется переменной y
  • Функции — это входные переменные, описывающие наши данные.
    • Обычно представлен переменными {x 1 , x 2 , ..., x n }
  • Пример - это конкретный экземпляр данных, x
  • Пример с меткой имеет {features, label}: ( x , y )
    • Используется для обучения модели
  • Пример без метки имеет {функции, ?}: ( x , ? )
    • Используется для прогнозирования новых данных.
  • Пример - это конкретный экземпляр данных, x
  • Пример с меткой имеет {features, label}: ( x , y )
    • Используется для обучения модели
  • Пример без метки имеет {функции, ?}: ( x , ? )
    • Используется для прогнозирования новых данных.
  • Модель сопоставляет примеры с предсказанными метками: y'
    • Определяется внутренними параметрами, которые изучаются
Назад
Введение в машинное обучение (3 мин.)
Далее
Ключевые термины машинного обучения