机器学习的优势到底在哪
2个回答
2020-10-24 · 让人人享有高品质教育
关注
展开全部
机器学习的优势可有两点,具体下面分析。
一、机器学习优势问题,要从机器学习的具体应用方式来讲,当前有两大应用方式:
1)组织和拟合参数。
2)学习特征表示。
在不算长也不算短的几十年机器学习发展里,可以说第一种方式是占主导和统治地位的。而且这种思想更严重影响了机器学习的主要应用领域,如自然语言处理,图像分类等等。甚至现在这些领域的教授,他们解决一个具体问题时依然是这种思维。
二、组织和拟合参数思维影响大的原因
1)这种解决问题的思路简单但有效,看看NLP领域的paper就知道,对于不同的问题,抽象成一个机器学习可解决的问题,然后就可使用同一个套路来求解了,而且效果往往不错。
2)机器学习自身的发展过于强调实际应用和算法,理论研究相对滞后。
一个突出的具体事实,每当阅读机器学习领域的一些论文,你会发现只要实验结果好,算法能不能证明,甚至最终能不能收敛都不是大问题。就连当前最最火的深度学习,99%的人也只是看到它work。为什么work,能不能更work都没有详细的理论分析。
回到机器学习的优势这个话题,目前可以狭义地认为机器学习只不过是起到了自动调节各因素权重,综合学习出来一个组合而已。它为什么有作用?不在于它比人更聪明,而是在于它能处理的数据量更大,超过了单个人的处理能力,也超过了多个人协作处理的能力。在当前全民大数据的背景下,机器学习也会被炒得更火,捧得更高。但目前深度学习的操作中,领军人物是一般是从第二个应用方式(学习特征表示)来发展机器学习的,这或许是思维的一个大转变。
在前些时间预测的十大改变未来的技术中,为列第一位的就是深度学习技术。从大数据分析结果中已显示,机器学习的优势非同寻常。
一、机器学习优势问题,要从机器学习的具体应用方式来讲,当前有两大应用方式:
1)组织和拟合参数。
2)学习特征表示。
在不算长也不算短的几十年机器学习发展里,可以说第一种方式是占主导和统治地位的。而且这种思想更严重影响了机器学习的主要应用领域,如自然语言处理,图像分类等等。甚至现在这些领域的教授,他们解决一个具体问题时依然是这种思维。
二、组织和拟合参数思维影响大的原因
1)这种解决问题的思路简单但有效,看看NLP领域的paper就知道,对于不同的问题,抽象成一个机器学习可解决的问题,然后就可使用同一个套路来求解了,而且效果往往不错。
2)机器学习自身的发展过于强调实际应用和算法,理论研究相对滞后。
一个突出的具体事实,每当阅读机器学习领域的一些论文,你会发现只要实验结果好,算法能不能证明,甚至最终能不能收敛都不是大问题。就连当前最最火的深度学习,99%的人也只是看到它work。为什么work,能不能更work都没有详细的理论分析。
回到机器学习的优势这个话题,目前可以狭义地认为机器学习只不过是起到了自动调节各因素权重,综合学习出来一个组合而已。它为什么有作用?不在于它比人更聪明,而是在于它能处理的数据量更大,超过了单个人的处理能力,也超过了多个人协作处理的能力。在当前全民大数据的背景下,机器学习也会被炒得更火,捧得更高。但目前深度学习的操作中,领军人物是一般是从第二个应用方式(学习特征表示)来发展机器学习的,这或许是思维的一个大转变。
在前些时间预测的十大改变未来的技术中,为列第一位的就是深度学习技术。从大数据分析结果中已显示,机器学习的优势非同寻常。
杭州一知智能科技有限公司
2023-08-27 广告
2023-08-27 广告
机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行...
点击进入详情页
本回答由杭州一知智能科技有限公司提供
展开全部
机器学习的优势到底在哪?
身处零工经济时代,看着铺天盖地的机器学习相关的论文、新闻,再看看工业界招聘的需求,动不动都会写上:有机器学习背景者优先。再往前一步说,具体到互联网行业,眼看着机器学习技术的不断改进让产品收益不断提升,没有比这个事实更能让人信服机器学习的巨大优势了。
一、机器学习的具体应用方式
具体来说,机器学习有什么优势呢?这个问题要从机器学习的具体应用方式来讲,当前有两大应用方式:
1)组织和拟合参数。
2)学习特征表示。
在不算长也不算短的几十年机器学习发展里,可以说第一种方式是占主导和统治地位的。而且这种思想更严重影响了机器学习的主要应用领域,如自然语言处理,图像分类等等。甚至你现在问这些领域的教授,他们解决一个具体问题时依然是这种思维。
二、组织和拟合参数思维影响大的原因
1)这种解决问题的思路简单但有效,看看NLP领域的paper就知道,对于不同的问题,抽象成一个机器学习可解决的问题,然后就可使用同一个套路来求解了,而且效果往往不错。
2)机器学习自身的发展过于强调实际应用和算法,理论研究相对滞后。
一个突出的具体事实,每当阅读机器学习领域的一些论文,你会发现只要实验结果好,算法能不能证明,甚至最终能不能收敛都不是大问题。就连当前最最火的深度学习,99%的人也只是看到它work。为什么work,能不能更work都没有详细的理论分析。
回到机器学习的优势这个话题,目前可以狭义地认为机器学习只不过是起到了自动调节各因素权重,综合学习出来一个组合而已。它为什么有作用?不在于它比人更聪明,而是在于它能处理的数据量更大,超过了单个人的处理能力,也超过了多个人协作处理的能力。在当前全民大数据的背景下,机器学习也会被炒得更火,捧得更高。但目前深度学习的操作中,领军人物是一般是从第二个应用方式(学习特征表示)来发展机器学习的,这或许是思维的一个大转变。
在去年预测的十大改变未来的技术中,为列第一位的就是深度学习技术。从大数据分析结果中已显示,机器学习的优势非同寻常。
身处零工经济时代,看着铺天盖地的机器学习相关的论文、新闻,再看看工业界招聘的需求,动不动都会写上:有机器学习背景者优先。再往前一步说,具体到互联网行业,眼看着机器学习技术的不断改进让产品收益不断提升,没有比这个事实更能让人信服机器学习的巨大优势了。
一、机器学习的具体应用方式
具体来说,机器学习有什么优势呢?这个问题要从机器学习的具体应用方式来讲,当前有两大应用方式:
1)组织和拟合参数。
2)学习特征表示。
在不算长也不算短的几十年机器学习发展里,可以说第一种方式是占主导和统治地位的。而且这种思想更严重影响了机器学习的主要应用领域,如自然语言处理,图像分类等等。甚至你现在问这些领域的教授,他们解决一个具体问题时依然是这种思维。
二、组织和拟合参数思维影响大的原因
1)这种解决问题的思路简单但有效,看看NLP领域的paper就知道,对于不同的问题,抽象成一个机器学习可解决的问题,然后就可使用同一个套路来求解了,而且效果往往不错。
2)机器学习自身的发展过于强调实际应用和算法,理论研究相对滞后。
一个突出的具体事实,每当阅读机器学习领域的一些论文,你会发现只要实验结果好,算法能不能证明,甚至最终能不能收敛都不是大问题。就连当前最最火的深度学习,99%的人也只是看到它work。为什么work,能不能更work都没有详细的理论分析。
回到机器学习的优势这个话题,目前可以狭义地认为机器学习只不过是起到了自动调节各因素权重,综合学习出来一个组合而已。它为什么有作用?不在于它比人更聪明,而是在于它能处理的数据量更大,超过了单个人的处理能力,也超过了多个人协作处理的能力。在当前全民大数据的背景下,机器学习也会被炒得更火,捧得更高。但目前深度学习的操作中,领军人物是一般是从第二个应用方式(学习特征表示)来发展机器学习的,这或许是思维的一个大转变。
在去年预测的十大改变未来的技术中,为列第一位的就是深度学习技术。从大数据分析结果中已显示,机器学习的优势非同寻常。
本回答被网友采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询
广告 您可能关注的内容 |