作者小头像 Lv.1
更多个人资料
53 成长值
0 关注
2 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据
个人勋章
TA还没获得勋章~
成长雷达
20
33
0
0
0

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据

达成规则

以上满足项可达成此勋章

主题 | 回复
去除双下巴有奇招
发布时间 2021/07/27 16:55:36 最后回复 赵铁柱 2021/07/30 20:09:44 版块 人工智能
1833 10 1
他的回复:
有没有代码库地址呢？
业界广泛流传一句话：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已
发布时间 2020/12/09 10:33:34 最后回复 少年请留步 2020/12/11 10:42:06 版块 AI开发平台ModelArts
8796 18 0
他的回复:
机器学习领域有个术语叫“贝叶斯最优错误率”，是理论上可能达到的最优错误率，也就是说没有办法设计出一个x到y的函数，让它能比这个最优错误率还低。比如一个花卉分类训练集中有些图片确实很模糊，无论是人还是机器都无法判断某张图的类别，那么最优错误率就不可能是0。估计人类在某个数据集上的表现，是为了了解该数据的准确率上限是多少，以此判断模型的准确率还差多远。是理论上可能达到的最优错误率，也就是说没有办法设计出一个x到y的函数，让它能比这个最优错误率还低。比如一个猫狗识别训练集中有些图片确实很模糊，无论是人还是机器都无法判断某张图的类别，那么最优错误率就不可能是0。估计人类在某个数据集上的表现，是为了了解该数据的准确率上限是多少，以此判断模型的准确率还差多远。这就是“数据和特征决定了机器学习的上限”的含义，然后由于人工智能并不代表真正的人工智能，只是用了各种统计学、深度学习的方法去逼近这个“贝叶斯最优错误率”而已