这篇博客探讨了机器学习中的一个特定问题——Classification with missing inputs。作者对'Each function corresponds to classifying x with a different subset of its inputs missing.'这句话感到困惑，并寻求理解。这个概念涉及到如何在部分信息下进行分类任务。
在机器学习中有种叫做：Classification with missing inputs。
以上是解释，但是我有很多不理解的：
1、Each function corresponds to classifying x with a different subset of its inputs missing.这句话是什么意思？
2、One way to efficiently define such a large set of functions is to learn a probability distribution over all of the relevant variables, then solve the classification task by marginalizing out the missing variables.这句话又是什么意思呢？
最低0.47元/天 解锁文章
扫一扫
989
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
