本文探讨了机器学习中的符号接地问题，即如何让机器真正理解实际物体。同时，介绍了机器学习的两大任务——分类和回归，并详细阐述了监督学习、无监督学习和强化学习这三种主要的学习方式。在监督学习中，数据处理流程包括数据收集、清洗、学习、测试和应用。关键词聚焦于机器学习、符号接地、分类问题、回归问题以及学习算法。
符号接地问题：只告知特征的前提下，机器是否真能“理解”实际物体的问题。
机器学习解决两类问题：
分类问题：对数据所属类别进行判别
回归问题：对数据变换趋势进行判别
机器学习使用的算法分为：
监督学习（Supervised Learning）：进行分类学习时，包含分类的正确结果。
无监督学习（Unsupervised Learning）：不包含正确的结果，如聚类。
强化学习（Reinforcement Learning）：给予激励的方式促进学习。
监督学习的数据处理流程：
（1）数据收集
（2）数据清洗
（3）学习
（4）测试
（5）应用
扫一扫
3528
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
