<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ThinkChat2.0新版上線,更智能更精彩,支持會話、畫圖、視頻、閱讀、搜索等,送10W Token,即刻開啟你的AI之旅 廣告
                # 機器學習很有意思 > 原文: [https://machinelearningmastery.com/machine-learning-is-fascinating/](https://machinelearningmastery.com/machine-learning-is-fascinating/) 好奇心是一個強大的動力,你可以為你工作。 需要了解更多或了解是我們都有不同程度的根深蒂固的人類特征。 在這篇文章中,我想與您分享機器學習的三個方面,這些方面可以激發我的好奇心,讓我們了解更多。 像我一樣,你可以使用那些讓你了解機器學習的方面作為你可以重新訪問的試金石,以便重新點燃你在這個領域學習的幾個月和幾年的激情和興趣。 ## 沒什么東西跟它一樣了 機器學習很有吸引力,因為沒有什么比得上它了。 您無法通過其他領域的方法獲得機器學習方法所看到的功能和結果,如果可以的話,您可以稱之為機器學習。有兩個因素使機器學習方法與其他方法不同: * 它們是從數據中學習的程序 * 它們是制作解決問題的程序的程序 ## 從數據中學習的程序 機器學習很有吸引力,因為程序可以從實例中學習。 根據您收集的數據,機器學習方法可以自動分析和學習已存在于該數據中的結構,以便為您要解決的問題提供解決方案。 [![Programs that Learn from Data](img/03b99f65bdb5f55f58fe06765f850b42.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2013/12/code.jpg) 照片歸 [Riebart](http://www.flickr.com/photos/riebart/4466482623/sizes/l/) 所有,保留一些權利 你可以編寫可以學習的程序,這簡直太棒了。如果您考慮一下,當您編程時,您正在學習如何解決問題,并且解決方案在您完成的程序中具體化。每個方法,甚至每個條件分支,都代表了來自更大整體的微觀問題。認為您可以采用自動化該過程的方法令人興奮。 想想其含義。 例如,當問題發生變化時,您不會重構程序,而是收集更多數據并重新運行機器學習方法。這是從傳統編程中解決問題的完全不同的思考方式。 當您自動化 _ 如何 _ 時,您的注意力轉移到更清晰的。 ## 程序制作程序 機器學習很吸引人,因為你正在編寫編寫程序的程序。 您可以考慮將機器學習方法作為程序運行而產生的工件或模型。就像您在了解問題和設計解決方案后編寫的計算機程序一樣,機器學習模型捕獲了為解決正在解決的高階問題而需要執行的所有微決策。當您對已收集的數據運行機器學習程序時,它會為您創建一個知道如何解決問題的程序或模型。這真太了不起了。 請記住回到[垃圾郵件過濾示例](http://machinelearningmastery.com/what-is-machine-learning/ "What is Machine Learning: A Tour of Authoritative Definitions and a Handy One-Liner You Can Use")。這是一個非常具體的問題,雖然很復雜,但實際上歸結為一個程序必須做出的決定:是垃圾郵件還是非垃圾郵件?雖然我們可以將機器學習方法視為制作程序的程序,但是由此產生的程序專注于已經明確定義的特定決策問題。一個決定性問題,對于您手動編寫要解決的程序而言過于繁瑣。 重要的是要記住您對機器學習方法提供的功能的期望,并在選擇要通過機器學習方法解決的問題時調節您的熱情。傳統節目仍然是一個重要的地方。機器學習解決了我們不能或不想手動編寫要解決的程序的問題。 在這篇文章中,你了解到機器學習很有趣,因為沒有其他類似的研究領域。你學到了兩個可以激發人們對該領域的好奇心的觀點: * 機器學習是從數據中學習的程序 * 機器學習是使程序解決問題的程序 你覺得機器學習有什么吸引力?發表評論,我很樂意聽到!
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看