기계 학습와 확률론
바로 가기: 차이점, 유사점, Jaccard 유사성 계수, 참고 문헌.
기계 학습와 확률론의 차이
기계 학습 vs. 확률론
학습(機械學習) 또는 머신 러닝()은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이. 주사위를 던져서 얻는 결과는 확률변수로 나타낼 수 있다. 확률론(確率論)은 확률에 대해 연구하는 수학의 한 분야이.
기계 학습와 확률론의 유사점
기계 학습와 확률론는 공통적으로 0 가지를 가지고 있습니다 (유니온백과에서).
위의 목록은 다음 질문에 대한 대답입니다
- 기계 학습와 확률론에는 공통점이 있습니다
- 기계 학습와 확률론의 유사점은 무엇입니까
기계 학습와 확률론의 비교.
기계 학습에는 34 개의 관계가 있고 확률론에는 14 개의 관계가 있습니다. 그들은 공통점 0을 가지고 있기 때문에, Jaccard 지수는 0.00%입니다 = 0 / (34 + 14).
참고 문헌
이 기사에서는 기계 학습와 확률론의 관계를 보여줍니다. 정보가 추출 된 각 기사에 액세스하려면 다음 사이트를 방문하십시오:
브라우저보다 빠른!
