Wikipedia:正文候選/機械學習

加新連結
出自維基百科，自由嘅百科全書

機械學習[編輯]

以下嘅討論係一個正文提議嘅歸檔。請唔好再修改佢。之後嘅意見係應該響嗰篇文嘅討論版或者響Wikipedia talk:正文候選度留底。響呢版度唔好再進行編輯。

呢篇文嘅結果係由Shinjiman升格 2020年12月27號 (日) 12:00 (UTC) 差[回覆]

機械學習 (編輯｜討論｜歷史｜連過嚟｜睇實｜日誌)

提名者： 恐狼博士 (傾偈) 2019年7月11號 (四) 09:34 (UTC)[回覆]

我又自薦一篇。恐狼博士 (傾偈) 2019年7月11號 (四) 09:34 (UTC)[回覆]

䁽過兩眼，幾齊全，傾向支持。貼定評審紙先。 翹仔 (傾偈) 2020年6月15號 (一) 15:26 (UTC)[回覆]

睇完一次。@Dr. Greywolf：你點睇我啲提議？翹仔 (傾偈) 2020年6月15號 (一) 16:30 (UTC)[回覆]
全文執完一次，支持升格。翹仔 (傾偈) 2020年6月16號 (二) 04:27 (UTC)[回覆]
評審紙

推舉正文嘅時候，維基百科編輯會跟五大原則：「雅」、「齊」、「準」、「中」、「穩」。

  1. 雅，係指文筆優雅，讀出嚟嘅時候流暢。
    • 幾好，我覺得合格。
  2. 齊，係指文章涵蓋主題嘅每一個範疇，並有足夠嘅細節，唔會甩漏。
    • 諗到應該講嘅範疇都齊晒。
  3. 準，係指文章內容準確，無錯料，所有內容都能夠歸屬到可靠來源，清晰咁用註腳表達出嚟。
    • 「表徵學習」有啲問題：
      • 「係機械學習入面會用嘅一種演算法，專門用嚟將啲輸入轉化」同「過程可以用是但一種學習範式或者數學模型嚟做」好似自相矛盾？
      • 呢段裏面個 pseudocode 多餘，因爲呢段 code 解釋嘅喺「表徵學習」用嚟做咩，而唔係「表徵學習店做」。
  4. 中，係指角度中立持平，喺闊嘅題材度揀重要嘅範疇嚟寫，喺有爭議性嘅題材度按觀點嘅重要性嚟分配篇幅。
    • 「事前數據處理」有啲問題：
      1. 第二段多餘。第一段已經有例子，唔使再作多一堆例子。
      2. 呢節講咗兩種唔同嘅事前數據處理。第一、二段講嘅喺清咗啲擺明錯嘅數據，但「例子碼」講嘅喺將輸入數據轉化成個學習演算法啱用嘅格式。
      所以建議：剷咗第二段同例子碼，然後寫一段新嘅文字解釋將輸入數據轉化成個學習演算法啱用嘅格式呢種事前數據處理。
      處理咗。
    • 「迴歸模型」段例子碼多餘，因爲實際上有 present (pi6 sen1) 嘅內容全部都係 data ingestion。個戲玉 (step_cost_function_for) 反而省略咗，所以冇解釋過個迴歸學習方法。建議將你啲粤文 code comment 掹出嚟寫成文字段落或者點列，然後唔好要段程式碼。
    • 「唔夠好使嘅數據、存取唔到有用嘅數據」呢兩樣嘢有咩分別？翹仔 (傾偈) 2020年6月15號 (一) 16:13 (UTC)[回覆]
      處理咗。
  5. 穩，係指內容穏定，唔會成日打編輯戰。
    • 冇交打。

喺寫作風格方面，一篇正文亦會達到以下標準：

  1. 文頭：篇文開頭，目錄之前，應該有一段幾百字嘅概要，概括篇文嘅內容。
    • 我覺得無問題。大致概括到幾個重要範疇嘅概論。
  2. 分段：有條理咁用細標題同分段，等讀者可以直接跳去適當嘅小節搵佢想要嘅內容。
    • 幾好。我唔識機械學習，但睇完篇文一次覺得分段無問題。
  3. 引用：格式清晰、風格流暢咁引用出處，等讀者知道點查證文章內容。
    • 除咗我上面講嘅多餘內容之外，全部內容都有引用出處。
    • 有幾條 dead link。有冇辦法搵到歸檔？
  4. 聲畫：用適量嘅自由插圖去增潤文字，令文章更淺明。如果題材啱用，仲可以加動畫或者錄音添。
  5. 長度：要夠長去涵蓋題目所有重要嘅範疇，但唔好太長太唚。如果啱用嘅內容太多，應該拆做幾篇文，然後用撮要風格寫篇正文。
    • 我覺得 71kB 適中。
以上嘅討論係一個歸檔。請唔好再修改佢。之後嘅意見係應該響嗰篇文嘅討論版或者響Wikipedia talk:正文候選度留底。響呢版度唔好再進行編輯。
由「https://zh-yue.wikipedia.org/w/index.php?title=Wikipedia:正文候選/機械學習&oldid=1532622」收