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
Что такое (контролируемое) машинное обучение?
Системы машинного обучения учатся
как объединить ввод
делать полезные прогнозы
на ранее не публиковавшихся данных
Терминология: ярлыки и характеристики
Метка — это прогнозируемая нами переменная.
Обычно представляется переменной y
Терминология: ярлыки и характеристики
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 }
Терминология: примеры и модели
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.
Терминология: примеры и модели
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