我理解的机器学习是这样子的，我们已知一个问题，而且这个已知问题存在经验解或者说经验值，如何利用这些已知的经验值求解出一个数学模型，使这个数学模型能预测问题的解，当然这个数学模型首先要贴合经验值，作为检验数学模型的有效性，如果完全满足经验值，存在这过拟合的风险，也就是说模型的扩展性不好，适当的欠拟合有利于模型的扩展性
我理解的机器学习
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 机器学习是做NLP和计算机视觉这类应用算法的基础，虽然现在深度学习模型大行其道，但是懂一些传统算法的原理和它们之间...
- 101.深度学习（CNN RNN Attention）解决大规模文本分类问题。 用深度学习（CNN RNN Att...
