學習筆記，僅供參考，有錯必糾

關(guān)鍵詞：機器學習；深度學習；概率圖模型；大數(shù)據(jù)；優(yōu)化問題

---

機器學習面臨的挑戰(zhàn)

該文討論了機器學習目前面臨的幾個挑戰(zhàn) , 包括 :

• 高維特征空間和數(shù)據(jù)量問題 ;
• 大數(shù)據(jù)量的計算困難;
• 尋求最優(yōu)解的困難和可解釋性差等問題.

然后針對當前很多人關(guān)心的幾個重要問題 , 例如大數(shù)據(jù)問題 , 深度學習 , 概率圖模型等做了分析 , 以引起深入思考 .

引言

過去的二十多年的時間里 , 機器學習的研究得到了快速發(fā)展 , 取得了一系列令人矚目的研究成果，同時也面臨很多的挑戰(zhàn) . 我們需要對機器學習的現(xiàn)狀和面臨的挑戰(zhàn)進行探討和梳理 , 以引起更深入的思考。

機器學習面臨的挑戰(zhàn)

雖然機器學習取得了令人矚目的成果 , 但是仍然面臨很多困難和問題。下面列舉其中的一些問題。

高維特征空間與樣本數(shù)的不足

在很多實際應(yīng)用問題中 , 得到的特征維數(shù)是比較高的 , 有的甚至是非常高的。例如 , 在圖像識別中如果提取 SIFT 特征 , 特征維數(shù)是128維 , 如果提取其他特征 , 維數(shù)也往往是幾十維 , 或者幾百維 . 還有 , 在文本分類問題中 , 如果把每一個單詞當作一個特征 , 特征的維數(shù)可能是幾千維 , 或者上萬維 , 這依賴于所使用的字典大小。

下面以概率密度函數(shù)的估計為例討論特征維數(shù)和所需要的樣本之間的關(guān)系。對于一維的概率密度函數(shù)估計來說 , 通常在具

總結(jié)

以上是生活随笔為你收集整理的文献学习(part49)--机器学习面临的挑战的全部內(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，歡迎將生活随笔推薦給好友。