机器学习是什么？机器学习软标签与硬标签是什么？

机器学习是一个新兴起的概念，融入了多门学科的专业知识，可以模拟人类计算。现在机器学习在市场上热度比较高，机器学习是什么？机器学习软标签与硬标签是什么？下面小编就来给大家详细介绍下吧。

一、机器学习是什么？

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

二、机器学习软标签与硬标签是什么？

硬标签相当于使用Tab键来标记代码，而软标签是空格添加的，可以手动或通过代码编辑器（如Sublime Text）模拟标签。有些人认为软标签对于使用不同文本编辑器的较大团队来说更适合阅读，因为一些编辑会给硬标签提供不同的间距

input (Variable)– 维度为 [N1,N2,...,Nk,D]的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。

label (Variable)– 输入input对应的标签值。若soft_label=False，要求label维度为 [N1,N2,...,Nk] 或 [N1,N2,...,Nk,1] ，数据类型为int64，且值必须大于等于0且小于D；若soft_label=True，要求label的维度、数据类型与input相同，且每个样本各软标签的总和为1。

soft_label (bool)– 指明label是否为软标签。默认为False，表示label为硬标签；若soft_label=True则表示软标签。

ignore_index (int)– 指定一个忽略的标签值，此标签值不参与计算，负值表示无需忽略任何标签值。仅在soft_label=False时有效。 默认值为-100。

三、机器学习需要满足什么？

“有明确的输入输出的，需要学习其中映射关系”的任务

这其中就包括了分类任务（例如，给狗狗的图片做品种分类），和预测任务（例如，分析贷款申请人偿还贷款的可能性分析）。

存在大量的（数字化）数据集，或者可以创造“输入—输出”对的任务

这种数据集要大量到包含能够包含所有的输入特征；至于创造“输入-输出”对，可以雇佣人工进行检测、或者仿真现有的过程获取数据集。

提供了清晰的反馈和目标的任务

机器学习对可以清晰描述目标的任务有巨大的优势。当结果可以清晰地评估时——即使我们不知道什么是最优的解决途径——机器学习也很适合做这一类工作。

机器学习是什么？机器学习软标签与硬标签是什么？通过上文小编的介绍，大家对于极其学习的基本概念比较清楚了吧，其有不同的分类标准，大家可以关注下。