假如你想让机器学会预测纽约的房价即通过房屋面积(样本特征x),预测房屋售价(样本标签y)。纽约的房价非常高假设你还有一个数据库,这个数据库中的数据为密歇根的底特律的房价底特律的房价会低很多。你是否应该将底特律的房价数据纳入到训练样本集中呢?
提供相同的面积特征x,在两个城市房屋售价y表现出来的值有很大的差别。如果你只想预测纽约的房价那么把底特律的房价数据放入训练集,会损害算法的性能这时,最好不要把底特律的房价数据放入训练集中
为什么房价数据的处理方式跟之前猫咪数据的处理方式不同呢?这时因为在猫咪图片数据中,给出一個图片x就可以确切的预测出样本标签y,也就是图片中是否包含猫这里图片x和样本标签y有一个确定的映射关系。因此可以把从网上下载嘚图片和手机APP用户上传的图片放到一起进行训练这时,使用所有数据的好处大于的对应的坏处(消耗更多的计算资源)与之相反,纽约的房价数据和底特律的房价数据是不一致的给出相同的房屋面积x,房价y会因为城市的不同而不同
更多好玩的机器学习教程: .