1、从样本特征到样本标签找到计算方法,该计算方法为预测函数,用预测函数可预测结果。
2、预测结果与样本标签之间的差距计算函数为损失函数。
若损失函数结果较大,则要调整预测函数。当损失可接受之后,为了验证预测函数是否真正有效,另找测试样本集。若结果不佳,则需要重新训练预测函数。
机器学习根据预测结果的取值范围,将预测模型分为回归模型和分类模型,其中若预测结果的值是连续的则为回归模型,若预测结果的值为离散的则为分类模型。
1、从样本特征到样本标签找到计算方法,该计算方法为预测函数,用预测函数可预测结果。
2、预测结果与样本标签之间的差距计算函数为损失函数。
若损失函数结果较大,则要调整预测函数。当损失可接受之后,为了验证预测函数是否真正有效,另找测试样本集。若结果不佳,则需要重新训练预测函数。
机器学习根据预测结果的取值范围,将预测模型分为回归模型和分类模型,其中若预测结果的值是连续的则为回归模型,若预测结果的值为离散的则为分类模型。