總覽
透過集合功能整理內容
你可以依據偏好儲存及分類內容。
「問題取景」是指分析問題的過程,藉此找出需要解決的個別元素。問題取景有助於確定專案的技術可行性,並提供一組明確的目標和成功標準。考慮採用機器學習解決方案時,有效的問題框架可以判定產品最終是否成功。
正式的問題框架是解決機器學習問題最重要開始的起點,因為這樣會迫使我們更加瞭解問題和資料,進而設計和建立橋接。- TensorFlow 工程師
整體而言,機器學習問題取景包含兩個不同的步驟:
- 判斷機器學習是否為解決問題的適當方法。
- 勾勒機器學習的術語。
測驗您的瞭解程度
為什麼問題取景很重要?
以問題取景的方式,在開始處理資料和訓練模型前,會確保機器學習方法是解決問題的好方法。
問題取景功能可協助您診斷現有機器學習模型的問題,並找出資料相關問題。
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2023-10-12 (世界標準時間)。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["缺少我需要的資訊","missingTheInformationINeed","thumb-down"],["過於複雜/步驟過多","tooComplicatedTooManySteps","thumb-down"],["過時","outOfDate","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["示例/程式碼問題","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],["上次更新時間:2023-10-12 (世界標準時間)。"],[],[]]