就是把一系列資料 對映到新的領域內 形成的新的表現 中選取表現最佳的 資料,或對映到不同的領域中,選取最佳的表示
就好像在王者榮耀中的 你投影到了乙個召喚師身上 ,這裡的區域就是王者榮耀的戰場,每一局都是乙個新的投影
就比方 在太陽下 你的身體投影到了地面形成的影子 , 這裡的區域就是太陽找到的地面,每個影子都是新的投影
假設資料可以在多個特徵領域投影,
通過資料在不同特徵領域的投影表現 ,
激發出在不同特徵領域的排名,
綜合特徵領域的表現排名 ,
選出最匹配的資料
因為**範圍通常已知 ,所以"投影"更適用於有監督學習回想神經網路圖,實際上就是擬合流程圖,擬合到最後得到唯一值就是**範圍內的新的表現
機器學習新視角4 領域
例如 笛卡爾座標系,極座標系,地心座標系,球座標系,柱座標系等等 假設乙個笛卡爾座標系 經過平移 x,y 可以生成乙個新的笛卡爾座標系,新座標系上的點 在 原座標系 的座標 都像是進行了 x,y 的平移,而原座標系上的點在新座標系中都發生了 x,y 反向偏移例如 某個維度的 開始點,結束點,或者半徑...
組織學習 DevOps的新視角
在devops社群中，我們談論了很多有關自動部署，每天執行多個部署以及文化需求的問題。我想與您分享尚未廣泛討論的內容，但我認為同樣重要 組織學習的好處。讓我們花一點時間來看一下完全採用devops原理和實踐的組織的外觀。我們能夠適應高變化率，這使我們能夠滿足我們的組織要求並且使我們的競爭超出預期。我...
機器學習 搜尋的視角
2018 12 19 原來的時候，就看了那片博士 將機器學習巢狀為搜尋的框架 那篇 的題目是 機器學習為什麼能工作 文章 1 是將構造乙個學習系統作為了搜尋問題。他的搜尋目的，是選擇演算法 模型 引數 資料等這些內容。原來的時候，那本 集體智慧型程式設計 的書，中間穿插了乙個章節的啟發式演算法來講搜...