通过对机器学习探索,发现其实无论用什么方法想要达到什么目的,其最终都是要求的一个能对新数据进行预测的公式,该公式可能是以概率的形式出现,即P(Y|X);也可能是以函数的形式出现,即y=f(x)。那我们究竟如何才能得到我们想要的公式呢?
首先我们得明确我们求解思路,而思路可以归咎为以下公式:
公式(方法) = 模型 + 策略 + 算法
什么是模型?
模型的确定主要明确自定义的预测函数长什么样子,和上面所说的一样,也就两种形式P(Y|X)和y=f(x),而由于在上述两个公式中必不可少的存在未知参数ceta,而且一定不止一个,因此在ceta不确定的情况下,上述公式均表现为各类的集合。由此,我们也就明白自己需要怎么进行下去了,即求解出公式中的未知参数确定下来最后的公式,并用该公式进行预测。那我们该如何确定ceta(n个参数)的值呢?
什么是策略?
在明确