我们如何称呼非机器学习方法？
What do we call for non machine learning approaches?
我正在使用称为 “机器学习方法” 的机器学习对笔划分类进行研究。也有一些系统使用嵌入式传感器，并通过使用深度数据（通过 gyroscope/sensor 模块）直接对斯托克斯进行分类，而不是使用机器学习方法。我能知道那个方法调用了什么吗？
这个问题没有单一的答案。这都是关于算法及其类型的。
有多种基于机器学习和非机器学习的算法，其中一些是 -
- 简单的递归算法
- 基于规则的算法<---- 这可能是您在问题
中要求的
- 回溯算法
- 分而治之算法
- 动态规划算法
- 贪心算法
- 分支定界算法
- 暴力算法
- 随机算法
- 机器学习算法
不同的文本会有不同的分类。
看待整个事情的另一种方式是黑盒方法。
首先是您知道模型和输出但不知道输入的优化方法。
其次，是您知道模型和输入但不知道输出的模拟方法。
最后是数学建模方法，您知道输入和输出但不知道模型。
机器学习是这种 class 方法的子class，其设置使您可以将问题重新定义为一种优化方法。在这里你说你知道输入是 [X, y, Model(theta)] 的组合，你也知道输出是 Min(loss function)。您不知道的是模型的输入参数（例如 y=Mx+C）。因此，一个数学建模问题转化为一种优化方法，我们很清楚如何解决。
我正在使用称为 “机器学习方法” 的机器学习对笔划分类进行研究。也有一些系统使用嵌入式传感器，并通过使用深度数据（通过 gyroscope/sensor 模块）直接对斯托克斯进行分类，而不是使用机器学习方法。我能知道那个方法调用了什么吗？
这个问题没有单一的答案。这都是关于算法及其类型的。 有多种基于机器学习和非机器学习的算法，其中一些是 -
- 简单的递归算法
- 基于规则的算法<---- 这可能是您在问题 中要求的
- 回溯算法
- 分而治之算法
- 动态规划算法
- 贪心算法
- 分支定界算法
- 暴力算法
- 随机算法
- 机器学习算法
不同的文本会有不同的分类。
看待整个事情的另一种方式是黑盒方法。
首先是您知道模型和输出但不知道输入的优化方法。
其次，是您知道模型和输入但不知道输出的模拟方法。
最后是数学建模方法，您知道输入和输出但不知道模型。
机器学习是这种 class 方法的子class，其设置使您可以将问题重新定义为一种优化方法。在这里你说你知道输入是 [X, y, Model(theta)] 的组合，你也知道输出是 Min(loss function)。您不知道的是模型的输入参数（例如 y=Mx+C）。因此，一个数学建模问题转化为一种优化方法，我们很清楚如何解决。