-
如果最終的指標不求得滿足的話，要重新調整特征工程，或是重新求得模型的參數，這是一個不斷迭代的過程查看全部
-
數據帶著標簽，說明是要解決分類問題和回歸問題，而不是聚類問題，是有監督的學習問題查看全部
-
評估是用現有的數據，而不是歷史數據，來訓練模型，得到準確率之類的指標，來說明模型的 好壞查看全部
-
根據優化算法，將歷史數據代入之后為了使損失函數最小，就得到了相應的參數系數，這樣就得到了相應的模型，這個模型就是根據歷史數據計算出來的模型了查看全部
-
所以機器學習的最終落到求函數極小值的優化問題上了就查看全部
-
定義了損失函數之后，為了使損失最小，來進行優化，找出算法的參數查看全部
-
如何定義損失函數也是一方面的問題，因為有的不是回歸問題，例如分類問題的話，就不能用絕對值的問題查看全部
-
因為無法求得精確解，所以損失函數的意義就是找偏差最小的那個函數查看全部
-
計算機無法求方程的精確解查看全部
-
精確解就是解析解查看全部
-
447775555查看全部
-
高逼格算法查看全部
-
機器學習算法一覽表查看全部
-
分類與回歸 聚類 標注查看全部
-
生成模型和判別模型查看全部
舉報
0/150
提交
取消