k*****u
发帖数: 1688 | |
c*****a
发帖数: 808 | 2 great stuff!!!!!!!!!!!!!!!! |
V*********n
发帖数: 198 | 3 This guy is sick.
3 degrees from MIT and one MBA from Harvard. |
k*****u
发帖数: 1688 | |
T*******I
发帖数: 5138 | 5 个人觉得他一开始给出的关于“machine learning”的定义太宽泛了，他的定义是：
Algorithms for inferring unknowns from knowns.
听完这个定义后依然有点儿云里雾里。我觉得他应该首先解释清楚这里的machine和
learning指的是什么，然后再解释它们与一般的machine和learning有什么相同之处和
不同之处，最后回归到在统计学思维下如何构造algorithms以达到learning的目的。
如果不解释清楚这里的machine和learning的确切含义，单从他的上述定义看，似乎所
有统计方法都是一种machine learning的技术了，因而或者说统计学就等于machine
learning，因为没有哪一个统计算法不是帮助人们从knowns中获得对unknowns的推断。
【在 k*****u 的大作中提到】
: http://www.youtube.com/user/mathematicalmonk#grid/user/D0F06AA0
|
C***o
发帖数: 68 | 6 我觉得这个定义很简明，清晰，直接区分了传统的统计学原理(他自己也解释了)。 |
T*******I
发帖数: 5138 | 7 那个定义很显然不严谨， 容易产生歧义。
【在 C***o 的大作中提到】
: 我觉得这个定义很简明，清晰，直接区分了传统的统计学原理(他自己也解释了)。
|
a****g
发帖数: 8131 | |
d*******e
发帖数: 1649 | 9 我认为你应该说首先定义什么叫known和unknown
【在 T*******I 的大作中提到】
: 个人觉得他一开始给出的关于“machine learning”的定义太宽泛了，他的定义是：
: Algorithms for inferring unknowns from knowns.
: 听完这个定义后依然有点儿云里雾里。我觉得他应该首先解释清楚这里的machine和
: learning指的是什么，然后再解释它们与一般的machine和learning有什么相同之处和
: 不同之处，最后回归到在统计学思维下如何构造algorithms以达到learning的目的。
: 如果不解释清楚这里的machine和learning的确切含义，单从他的上述定义看，似乎所
: 有统计方法都是一种machine learning的技术了，因而或者说统计学就等于machine
: learning，因为没有哪一个统计算法不是帮助人们从knowns中获得对unknowns的推断。
|
T*******I
发帖数: 5138 | 10 在我看来，在统计学范畴内，样本数据以及由此而能抽象出来关于该样本的所有统计量属性可以称为是knowns，而样本所来源的总体的相应属性是unknowns。所以，一个关于样本某一统计量属性的算法就是提供了一个方法来推断总体的相应属性，即总体的未知参数。
任何概念都有其唯一的内涵和外延，从而使得它的定义具有唯一性和确定性而不会导致与其它所有概念的混淆和冲突。这就是我为什么说他的定义太过宽泛的缘故。
【在 d*******e 的大作中提到】
: 我认为你应该说首先定义什么叫known和unknown
|
d******e
发帖数: 7844 | |
