3.3 本章小結

本章對機器學習的基礎知識進行了介紹，這部分是理解后續高級操作的基礎，需要讀者認真消化。監督學習與非監督學習主要針對數據集定義。有監督數據集需要人工標注，成本較為昂貴，但是在訓練模型時往往能夠保障效果。無監督數據集一般不需要過多人工操作，可以通過爬蟲等方式自動大量獲得。由于沒有監督信息的約束，需要設計巧妙的學習算法才能有效利用無監督數據集訓練模型，不過大量廉價數據可以從另一個方面提高模型性能。模型評估需要根據模型的訓練歷史判斷模型是否處于欠擬合或過擬合狀態。盡管有一定的規律作為指導，而且有一些工具可以輔助分析，但是模型的評估過程一般需要較為豐富的經驗。讀者可以在深度學習試驗中有意識地訓練自己的模型評估能力。