台湾大学林轩田机器学习基石笔记（一）

What is machine learning？

1.什么是学习？
对人类来说学习就是通过观察（视觉、听觉、嗅觉等）掌握某种技能。比如我们从到大认识世界的过程。
对于机器学习，我们希望计算机能够像人类一样，通过在大量的数据中观察，发现事物的规律，获得某种分析与解决问题的能力。

When can machine learning？

- 所要解决的问题存在一些规律或者模式，可以通过学习提高表现；（exists some ‘underlying pattern’ to be learned）
- 用普通的程序难以解决；（but no programmable (easy) definition）
- 有针对所要解决问题的大量样本可供使用；（somehow there is data about the pattern）

Applications of machine learning

机器学习的应用体现生活（衣、食、住、行、教育、娱乐等）的方方面面。

Components of machine learning

1. 基本术语：
   输入：X
   输出：Y
   理想决策函数：f
   训练样本：data
   假设空间：hypothesis set，在训练样本data中，通过算法A，在假设空间中找到最合适的决策函数矩g，使这个函数最接近我们理想的函数f，矩g就是我们想要的模型表达式。

   

2.机器学习的基本流程（假设为监督学习）

Machine learning and Other Fields

• 机器学习和数据挖掘（Machine Learning and Data Mining）
  这两个领域很像，但是也有一些细微的差别，具体见下图：

  

• 机器学习和人工智能（Machine Learning and Artificial Intelligence）：机器学习只是实现人工智能的一种方式。

• 机器学习和统计（Machine Learning and Statistics）：统计是实现机器学习的一种方法。