-1
A
回答
2
每種機器學習算法都具有任何超出其所能看到的訓練數據概率的能力都有某種類型的感應偏差。這是模型爲了學習目標函數和推廣超出訓練數據而做出的假設。
例如線性迴歸模型假定輸出或因變量的線性相關獨立變量（在權重）。這是在模型歸納偏置
相關問題
- 1. 學習機器學習的先決條件是什麼？
- 2. 什麼是學習機器學習的最佳編程語言？
- 3. 什麼是學習機器學習的好實施？
- 4. 什麼是機器學習中的學習曲線？
- 5. 什麼是機器學習基準？
- 6. 什麼是機器學習調優？
- 7. 什麼是一些很好的機器學習編程練習？
- 8. 機器學習在Python：scikit學習/ Pybrain
- 9. 深度學習與機器學習
- 10. 機器學習，Python
- 11. 機器學習udacity
- 12. 爲什麼NLP和機器學習社區對深度學習感興趣？
- 13. 網上有什麼用來學習AI和機器學習的基礎知識
- 14. 機器學習形狀和類型的機器學習
- 15. 機器學習 - 感知器
- 16. 學習遞歸Java
- 17. 機器學習 - 如何從svm中獲得偏見？
- 18. 機器學習中偏斜類和不平衡類
- 19. Asp.net Azure機器學習
- 20. Python監督機器學習
- 21. Bot中的機器學習
- 22. Azure機器學習 - CORS
- 23. C機器學習庫＃
- 24. Azure機器學習-python
- 25. Azure機器學習分類
- 26. 通過機器學習
- 27. Perl的機器學習
- 28. 基本機器學習
- 29. 雲機器學習預測
- 30. 概率和機器學習
你甚至沒有嘗試谷歌，你有沒有？ – erip
Look [here]（http://www.lauradhamilton.com/inductive-biases-various-machine-learning-algorithms） – erip