大數(shù)據(jù)集

在機(jī)器學(xué)習(xí)領(lǐng)域，流傳著這樣一句話：

It’s not who has the best algorithm that wins. It’s who has the most data.

所以商業(yè)社會(huì)中，互聯(lián)網(wǎng)公司都不遺余力地先收集一波大數(shù)據(jù)再說，沒有數(shù)據(jù)，再多的手段也是空談。下圖中，是一個(gè)區(qū)分容易混淆單詞的機(jī)器學(xué)習(xí)案例，所采用的幾種算法在訓(xùn)練樣本提供的樣本越來越多時(shí)，都表現(xiàn)得越來越優(yōu)異：

什么時(shí)候采用大規(guī)模的數(shù)據(jù)集呢，一定要保證模型擁有足夠的參數(shù)（線索），對(duì)于線性回歸/邏輯回歸來說，就是具備足夠多的特征，而對(duì)于神經(jīng)網(wǎng)絡(luò)來說，就是更多的隱層單元。這樣，足夠多的特征避免了高偏差（欠擬合）問題，而足夠大數(shù)據(jù)集避免了多特征容易引起的高方差（過擬合）問題。

總結(jié)

以上是生活随笔為你收集整理的4.6 大数据集-机器学习笔记-斯坦福吴恩达教授的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。