3.3 本章小结

本章对机器学习的基础知识进行了介绍，这部分是理解后续高级操作的基础，需要读者认真消化。监督学习与非监督学习主要针对数据集定义。有监督数据集需要人工标注，成本较为昂贵，但是在训练模型时往往能够保障效果。无监督数据集一般不需要过多人工操作，可以通过爬虫等方式自动大量获得。由于没有监督信息的约束，需要设计巧妙的学习算法才能有效利用无监督数据集训练模型，不过大量廉价数据可以从另一个方面提高模型性能。模型评估需要根据模型的训练历史判断模型是否处于欠拟合或过拟合状态。尽管有一定的规律作为指导，而且有一些工具可以辅助分析，但是模型的评估过程一般需要较为丰富的经验。读者可以在深度学习试验中有意识地训练自己的模型评估能力。