決策樹學習技術由于簡單易用,到今天仍是最常用的機器學習技術之一
2018-08-15 閱讀全文>>E.A Feigenbaum等人在著名的《人工智能手冊》
2018-08-15 閱讀全文>>圖靈在1950年關于圖靈測試的文章中,就曾提到了機器學習的可能
2018-08-15 閱讀全文>>機器學習是人工智能(artificial intelligence)研究發展到一定階段的必然產物
2018-08-15 閱讀全文>>從NFL定理可知,這兩個假設同樣好,我們立即會想到符合條件的例子
2018-08-15 閱讀全文>>讀者對機器學習的熱情可能被一盆冷水澆透了
2018-08-15 閱讀全文>>奧卡姆剃刀并非唯一可行的原則
2018-08-15 閱讀全文>>對有限個樣本點組成的訓練集,存在著很多條曲線與其一致
2018-08-15 閱讀全文>>通過學習得到的模型對應了假設空間中的一個假設.于是,圖1 2的西瓜版本空間給我們帶來一個麻煩:現在有三個與訓練集一致的假設,但與它們對應的模型在面臨新樣本的時候,卻會產生不同的輸出
2018-08-15 閱讀全文>>可以有許多策略對這個假設空間進行搜索
2018-08-15 閱讀全文>>我們可以把學習過程看作一個在所有假設(hypothesis)組成的空間中進行搜索的過程
2018-08-15 閱讀全文>>歸納(induction)與演繹(deduction)是科學推理的兩大基本手段
2018-08-15 閱讀全文>>根據訓練數據是否擁有標記信息,學習任務可大致劃分為兩大類
2018-08-15 閱讀全文>>否則標記信息直接形成了簇劃分:但也有例外情況,參見13 6節,亦稱“有導師學習”和“無導師學習”,更確切地說,是“未見示例”(unseen instance).現實任務中樣本空間的規模通常很大(例如20個屬性,每個屬性有10個可能取值
2018-08-15 閱讀全文>>從數據中學得模型的過程稱為“學習”(learning)或“訓練”(training)
2018-08-15 閱讀全文>>