Gracias por A2A.
Los algoritmos de aprendizaje automático se describen como el aprendizaje de una función objetivo (f) que mejor asigna las variables de entrada (X) a una variable de salida (Y) . Los algoritmos de aprendizaje automático funcionan para estimar la función de mapeo (f) de las variables de salida (Y) dadas las variables de entrada (X),
o Y = f (X)
- ¿Cuál es la diferencia entre los datos de entrenamiento y los datos de prueba?
- ¿Qué es un campo aleatorio?
- Conjuntos de datos: ¿Cuáles son los principales corpus de texto utilizados por los lingüistas computacionales y los investigadores del procesamiento del lenguaje natural, y cuáles son las características / sesgos de cada corpus?
- ¿Puede Quora generar un patrón para el futuro de las personas con sus respuestas y preguntas?
- ¿El bosque aleatorio funciona con variables categóricas?
Esta es una tarea de aprendizaje general en la que nos gustaría hacer predicciones en el futuro (Y) dados los nuevos ejemplos de variables de entrada (X) .
La salida de un algoritmo ML es lo que quieras ser.
Por ejemplo:
- Regresión: 1 valor
- Clasificación: n clases (con la probabilidad de que la entrada sea miembro de esa clase)
- Resumen del texto: una palabra, un carácter, un lote de ellos o todo el texto resumido.
Target es una función que conoce y asigna una relación completa de las variables de entrada (características) a las variables de Salida (Respuesta). O bien, puede tratarlo como una función imaginaria que siempre corrige en cada predicción .