机器学习及其挑战内容摘要：
开始进入了计算机科学的不同领域 ， 甚至其他学科 ， 成为一种支持技术 、 服务技术 （ 学习本身是手段 ） 机器学习角色的转变 （续） 现阶段对机器学习的研究可能不应再过多地强调模拟人的学习能力 可能应该把机器学习真正当成一种支持技术（ 手段而非目的 ） ， 考虑不同领域甚至不同学科对机器学习的需求 ， 找出其中具有共性的 、 必须解决的问题 ， 并进而着手研究 我们暂且把这种视角下的机器学习称为： “ 普适机器学习 ” （ Pervasive ML） 挑战问题 (1)：泛化能力 共性问题： 几乎所有的领域 ， 都希望越准越好 提高泛化能力是永远的追求 目前泛化能力最强的技术： 支持向量机 （ SVM） 产生途径：理论 实践 集成学习 （ ensemble learning） 产生途径：实践 理论 挑战问题 (1)：泛化能力（续） 第一个挑战问题： 今后 10年 能否更 “ 准 ”。 如果能 ， 会从哪儿来。 挑战问题 (2)：速度 共性问题： 几乎所有的领域，都希望越快越好 加快速度也是永远的追求 “ 训练速度 ” vs. “测试速度。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。