Utilizzando corso di Coursera sull'apprendimento automatico , ho imparato alcune cose su supervati e algoritmi non controllati .
E da Wikipedia ho letto che l'apprendimento automatico è "per ottenere prestazioni migliori / P per le attività / T con ogni attività in corso, ovvero l'esperienza / E ".
Ora, in quegli algoritmi quello che vedo è che gli danno un set di dati (pre-etichettati per algoritmi supervisionati o non per l'altro) e gli algoritmi cercano di capire i dati e generare un output.
Ma non riesco davvero a scoprire WHERE e HOW nel processo quegli algoritmi BECOME BETTER con ogni nuovo set di dati che ricevono.
Apprezzo davvero qualsiasi aiuto qui. Mi sono perso qualcosa sull'apprendimento automatico? Senza la parte ottenere-meglio-con-ogni-nuovo-dataset , in che modo questi algoritmi sono diversi dai normali programmi che scriviamo con un'enorme quantità di clausole e cicli condizionali?