19 lines
1.2 KiB
Markdown
19 lines
1.2 KiB
Markdown
|
---
|
|||
|
|
title: Learning Equals Representation Evaluation Optimization
|
|||
|
|
localeTitle: 学习等于表示评估优化
|
|||
|
|
---
|
|||
|
|
## 学习等于表示评估优化
|
|||
|
|
|
|||
|
|
机器学习领域近年来已经爆发，研究人员已经爆发 开发了大量可供选择的算法。尽管如此伟大 各种型号可供选择，它们都可以分为三种 组件。
|
|||
|
|
|
|||
|
|
制作机器学习模型的三个组件是表示， 评估和优化。这三者最直接相关 有监督的学习，但也可能与无监督学习有关。
|
|||
|
|
|
|||
|
|
**表示** - 这描述了您希望如何查看数据。 有时你可能想要根据个人来考虑你的数据（比如 k-最近邻居）或喜欢图表（如贝叶斯网络）。
|
|||
|
|
|
|||
|
|
**评估** - 出于监督学习目的，您需要评估或 对学习者的表现进行评分，以便提高学习成绩。这个 评估是使用评估功能（也称为_目标）完成的 功能_或_评分功能_ ）。例子包括准确度和平方误差。
|
|||
|
|
|
|||
|
|
**优化** - 使用上面的评估功能，您需要找到 使用此评估函数的最佳分数的学习者选择 优化技术。例如贪婪的搜索和梯度下降。
|
|||
|
|
|
|||
|
|
#### 更多信息：
|
|||
|
|
|
|||
|
|
* [关于机器学习的一些有用的事情](https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf)
|