-
如果最终的指标不求得满足的话，要重新调整特征工程，或是重新求得模型的参数，这是一个不断迭代的过程查看全部
-
数据带着标签，说明是要解决分类问题和回归问题，而不是聚类问题，是有监督的学习问题查看全部
-
评估是用现有的数据，而不是历史数据，来训练模型，得到准确率之类的指标，来说明模型的 好坏查看全部
-
根据优化算法，将历史数据代入之后为了使损失函数最小，就得到了相应的参数系数，这样就得到了相应的模型，这个模型就是根据历史数据计算出来的模型了查看全部
-
所以机器学习的最终落到求函数极小值的优化问题上了就查看全部
-
定义了损失函数之后，为了使损失最小，来进行优化，找出算法的参数查看全部
-
如何定义损失函数也是一方面的问题，因为有的不是回归问题，例如分类问题的话，就不能用绝对值的问题查看全部
-
因为无法求得精确解，所以损失函数的意义就是找偏差最小的那个函数查看全部
-
计算机无法求方程的精确解查看全部
-
精确解就是解析解查看全部
-
447775555查看全部
-
高逼格算法查看全部
-
机器学习算法一览表查看全部
-
分类与回归 聚类 标注查看全部
-
生成模型和判别模型查看全部
举报
0/150
提交
取消