对数据搭建模型时,有两种截然不同的思路:
1. 传统的统计模型
就是假设某个公式成立(网上搜的公式, 比如某某科学家的公式)
2.算法模型 即 机器学习
数据的产生是复杂且未知的, 通过模仿数据产生的过程, 输入大量数据, 训练出一个公式.
3.深度学习 特殊的机器学习
数据信息特征很难提取, 没有办法通过线性关系和统计概率关系直接描述. 比如一张照片,判断照片的人漂不漂亮. 我们用深度学习.
对数据搭建模型时,有两种截然不同的思路:
1. 传统的统计模型
就是假设某个公式成立(网上搜的公式, 比如某某科学家的公式)
2.算法模型 即 机器学习
数据的产生是复杂且未知的, 通过模仿数据产生的过程, 输入大量数据, 训练出一个公式.
3.深度学习 特殊的机器学习
数据信息特征很难提取, 没有办法通过线性关系和统计概率关系直接描述. 比如一张照片,判断照片的人漂不漂亮. 我们用深度学习.