1樓：星辰大海
資料中含有雜訊的時候，機器學習演算法的效果通常會下降。那怎麼辦呢？
現在有專門針對含雜訊振動資料的演算法：深度殘差收縮網路。
其中，軟閾值化是深度殘差收縮網路能夠處理含雜訊資料的關鍵。不僅如此，閾值也不需要人工來設定，是用乙個專門的子網路自行設定的。
2樓：Sam Wang
目前機器學習主要是統計學習模型，資料量大，regression時受雜訊的影響就小，因為雜訊資料相對少而已。
但是多大對資料算是「足夠大」呢？
資料分析 資料探勘與機器學習之間有什麼聯絡？
天堂之拳 看林軒田的機器學習基石。沒記錯的話第一周課就有講。資料分析，資料探勘，機器學習在研究上有一部分是重疊的，但側重點不同。舉乙個例子，資料探勘裡面，流資料是乙個很大的關注點，但在機器學習裡面研究的就相對較少。同理，資料探勘對統計學習理論也沒有機器學習關注的多。你再看資料探勘的教材，一般都有一章...
資料探勘與機器學習是什麼關係？
郭斯特 機器學習通過演算法讓計算機通過以往的經驗來改善其效能。資料探勘從資料中發現模式並加以利用。所謂 以往的經驗 當然也是以資料的形式存在的。要想改善效能，當然也要先發現模式才行。兩個領域高度相關。區別嘛，資料探勘更重視實際應用，採用系統化的方法來綜合使用各種機器學習演算法 拿來就用，不管理論 期...
有哪些好用的機器學習和資料探勘工具？
BattlesNeo 免費的免費的 Rapid Miner IBM SPSS Modeler Oracle Data Mining Teradata Framed Data Kaggle Weka Rattle KNIME Python 謝冬梅 Daily Life imblearn,albumen...