【吴恩达机器学习】学习笔记——1.3机器学习的定义
2018-02-12 22:13
393 查看
1 Arthur Samuel(1959):在没有明确编程的情况下使计算机获得学习的能力,该领域的研究为机器学习。
2 Tom Mitchell(1998):如果一个计算机程序解决任务T的性能达到了P,那么就说它从经验E中学习去解决任务T,并且达到了性能P。
比如,判定垃圾邮件中,手动标记某个邮件为垃圾邮件是经验E,邮件系统自动判定某邮件为垃圾邮件是任务T,以正确率为xx%正确判定是性能P。
2 Tom Mitchell(1998):如果一个计算机程序解决任务T的性能达到了P,那么就说它从经验E中学习去解决任务T,并且达到了性能P。
比如,判定垃圾邮件中,手动标记某个邮件为垃圾邮件是经验E,邮件系统自动判定某邮件为垃圾邮件是任务T,以正确率为xx%正确判定是性能P。
相关文章推荐
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第6周有关机器学习的小建议
- 学习笔记——吴恩达-机器学习课程-1.3 用神经网络进行监督学习
- 机器学习笔记--吴恩达机器学习课程2 - 3
- 干货|机器学习零基础?不要怕,吴恩达机器学习课程笔记2-多元线性回归
- 机器学习笔记--吴恩达机器学习课程2 - 6
- 机器学习笔记--吴恩达机器学习课程2 - 4
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- Coursera公开课笔记: 斯坦福大学机器学习第十一课“机器学习系统设计(Machine learning system design)”
- 机器学习基石笔记8——为什么机器可以学习(4)
- 斯坦福大学公开课 :机器学习课程笔记-[第1集] 机器学习的动机与应用
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-1)-- 机器学习策略(1)
- 【机器学习】1:机器学习定义、机器学习与数据建模、分析的区别
- 吴恩达深度学习笔记 course3 week2 机器学习 策略(2)
- 机器学习基石笔记7——为什么机器可以学习(3)
- 机器学习实战--笔记1(机器学习基础)
- 【吴恩达机器学习】学习笔记——2.1单变量线性回归算法
- 机器学习基石笔记11——机器可以怎样学习(3)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-2)-- 机器学习策略(2)(转)
- 一、机器学习系统设计笔记之python机器学习入门
- [机器学习] Coursera笔记 - 机器学习应用的建议-Part2