本文详细探讨了机器学习中的不同输出空间，包括是非问题、多类分类、回归问题及其在自然语言处理中的应用。接着，讨论了不同数据标签的情况，如监督学习、聚类（无监督学习）、半监督学习和强化学习。此外，还介绍了不同的学习协议，如批量学习、在线学习和主动学习。最后，提到了输入空间的差异，强调了特征工程和深度学习在处理原始输入数据中的作用。
3.1Learnig with Different Output Space
本节介绍了很多的机器学习问题。
是非问题可以用PLA。其实就是二分类的问题（binary classification）。是非题应用十分广泛。
从而引申到多类分类的问题。Multiclass Classification
二分类其实就是多分类时k=2。
回归问题典型，输出是一个实数。
自然语言处理：如果是一个单词，则是多分类问题。但是如果输入是一个句子，那么它是一个结构。可以相成一个很大的多分类问题，内部的结果很复杂。
总结：以上是在各种输出空间上的变化。
最低0.47元/天 解锁文章
扫一扫
1139
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
