采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
如果机器学习拟合的标签是单个值而不是一个向量就可以将标签的概率分布看作是狄拉克δ分布,那one-hot标签中是除了某个类的值为1,其他值全是0,这种分布是否也可以看作是狄拉克δ分布呢,
严格来说,分类问题的标签不是一狄拉克分布,因为分类问题的标签是离散的,比如只能取 0 和 1,而非连续的(0 和其他值)。
我不很确定在你的应用场景中为什么要将标签的分布看作是狄拉克分布,但如果一定有必要,是可以的。one-hot 后的特征同理。
继续加油!:)
bobo老师,我还是有一点困惑,就是我们在机器学习中,让模型去学习输入特征x的分布,为什么输出即标签的分布却如此重要呢,到底是在学习输入x的分布还是标签y的分布呢
其实我没有明白你的意思。你指的是我的课程中哪里说的“为什么输出即标签的分布却如此重要”?
你没有说,是我自己在学习过程中产生的疑惑,标签的分布会怎样影响输出呢
登录后可查看更多问答,登录/注册
Python3+sklearn,兼顾原理、算法底层实现和框架使用。
2.6k 19
3.6k 17
3.1k 15
1.7k 15
1.5k 14
购课补贴联系客服咨询优惠详情
慕课网APP您的移动学习伙伴
扫描二维码关注慕课网微信公众号