第一步 Data 收集数据:Clean / Prepare / Manipulate Data
第二步 Features 找出关键特徵
第二步 Training 训练并验证,找出最佳结果
例如
在现有手中的资料Data中,找X / Y对应
若应⽤於辨识动物, 我们期待
输入X: 就会知道输出(辨识)时 f(X) = 猫的图片(Y)
若应⽤於语⾳辨识, 我们期待
输入X: 就会知道输出(辨识)时f(X) = ⼤家好 (Y)
可应⽤於预测明天天气如何
可应⽤於辨识交通工具
可应⽤於辨识spam mail
收集数据是一件不容易却是关键的第一件事情,很不幸的,收集数据是一件很浪费时间的事情,有时候收集数据也是一件反反覆覆的事情,收集不好可能需要再从来,因为
所以收集数据的"人"或称"专家"(domain know-how)很重要,必须对目的很了解,知道哪边可以收集数据,能够整理成乾净的数据,给下一步顺利地进行,否则容易失败,预测错误,甚至有时候必须要再回来收集数据,重头再来一次。
<<: Gulp 基础介绍 gulp-load-plugins DAY82
>>: Gulp Babel ES6 编译(1) DAY83
前一天我们就如何让程序可以认得不同的单字稍微讨论了一下一些基本的处理,那今天我们就继续文字的主题来介...
由於 Open-Match 在架构上,允许使用同一张 ticket,对不同的配对池进行搜寻与配对,这...
基本介绍 DCS 分散控制系统(Distributed Control System):不需要有中...
InAppBrowser 说在最前面的,以目前的 iOS / Android 生态来看,所谓的 In...
Virtual Judge ZeroJudge 题意 输入一串数字,输出是否为 Jolly Jum...