如何定义人类表现水平 如何定义人类表现水平 假设你正在做一个医学成像应用程序，它可以自动依据X射线图像进行诊断。 除了一些基础的训练外，一个没有任何医学背景的人在该任务上的错误率为 15% . 一名新手医生的错误率为 10% ，而经验丰富的医生可以达到 5% . 如果由小型的医生团队对每一幅图像进行单独的讨论，错误率将降低至 2% . 上述的哪一种错...

超越人类表现水平 超越人类表现水平 现在你在做一个语音识别项目，并且有一个音频片段数据集。假设数据集里有许多的噪声，导致即使是人类来识别也会有 10% 的误差。同时假设你的算法已经达到了 8% 的误差，你能够使用第 33 章中提到的三种技术来继续取得快速的进展吗？ 如果你能找到人类表现水平远超现有系统的数据子集，使用那些技术来驱动进则仍然可行。举个...

组件误差分析与人类水平对比 组件误差分析与人类水平对比 对学习算法进行误差分析就像使用数据科学来分析 ML 系统的错误，以获得有关下一步该做什么的建议。从基本角度来看，组件误差分析告诉我们：哪些组件的性能是最值得尽力去改进的。 假设你有一个客户在网站上购物的数据集，数据科学家可能有许多不同的方法来分析数据。她可能会得出许多不同的结论——关于网站是否...

提供人类可读的文档 提供人类可读的文档让客户端开发人员可以理解你的API。 如果你用prmd创建了一个概要并且按上述要求描述，你可以很容易的生成所有结节使用prmd doc 的Markdown文件。 除此之在详细信息的结尾，提供一个关于如下信息的API摘要: 验证授权,包含获取及使用验证tokens. API 稳定性及版本控制, 包含如何选择所需...

写给人类的机器学习 赞助我 协议 写给人类的机器学习 原书：Machine Learning for Humans 译者：飞龙 （等） 这个世界不缺少科学家，缺少能说人话的科学家。 在线阅读 PDF格式 EPUB格式 MOBI格式 代码仓库 赞助我 协议 CC BY-NC-SA 4.0

为何与人类表现水平进行对比 为何与人类表现水平进行对比 许多机器学习系统的设计目的是想要自动化一些人类可以处理得很好的事情，可举的例子有图像识别、语音识别以及垃圾邮件分类等等。学习算法进步如此之快，有许多类似任务的处理已经超过了人类的表现水平。 此外，有许多理由表明在处理人类擅长的任务时，构建一个机器学习系统会更加简单： 易于从人为标签中获取数...

第4章 常用对象 第4章 常用对象 String类 正则表达式基础 正则表达式的应用 常用正则表达式 字符串格式化 System类和Runtime类 Math类和Random类 API(Application Programming Interface)指的是应用程序编程接口。假设使用Java语言编写一个机器人程序去控制机器人踢足球...

DVContacts 概述 openContactsUI callback(ret,err) 示例代码 可用性 allContacts callback(ret,err) 示例代码 可用性 add params callback(ret, err) 示例代码 可用性 delete params callback(ret, er...

contacts 概述 select callback(ret, err) 示例代码 可用性 add params callback(ret, err) 示例代码 可用性 delete params callback(ret, err) 示例代码 可用性 update params callback(ret, err) 示...

contacts 常量： 方法： 对象： 回调方法： 权限： ADDRESSBOOK_PHONE 说明： ADDRESSBOOK_SIM 说明： 平台支持 getAddressBook 说明： 参数： 返回值： 示例： AddressBook 说明： 方法： create 说明： 参数： 返回值： 示例： fi...