Lecture 1: The Learning Problem(学习问题)
来源:互联网 发布:c语言中求绝对值的代码 编辑:程序博客网 时间:2024/06/15 08:00
Lecture 1: The Learning Problem(学习问题)
1.1 CourseIntroduction(课程介绍)
1.2WhatIs Machine Learning(什么是机器学习)
学习与机器学习:
学习:观察 -> 学习 -> 得到技能
机器学习:数据 -> 机器学习 -> 得到技能
从上述对比之中就大致可以知道什么是机器学习。学习,是通过观察、思考然后获得目标的技巧。而机器学习,则可以从学习的定义推出,机器学习,是利用已经知道的数据,找出一定的算法,从而得到目标技能。
既然人可以通过观察得到技巧,而且很多的东西我们可以写成程序,然后让机器自己运转,那为什么我们还要机器学习呢?
原因有二:
1. 人虽然可以通过观察得到技巧,但是有些数据或者信息,人无法获取,可能是一些人无法识别的事物,也可能是数据过大,人工难以处理。人的处理有时候也无法满足需求,在短时间内处理大量数据是人类不能与机器相比的。
2. 我们可以写出大量程序,让机器代替人快速解决问题。然而,有许许多多的东西我们是没有办法写出程序的。机器学习的两张王牌,预测(prediction)和识别(recognition)是没有可能可以写出程序来的。
使用机器学习三要素:
1. 存在一个模式或者说表现可以让我们对它进行改进提高
2. 规则并不容易那么定义
3. 有数据
1.3 Applicationof Machine Learning(机器学习的应用)
机器学习的运用是很广泛的,识别一棵树、一段话都是常见的应用。除了语音以及画面上的识别之外,机器学习也可以用作预测,预测股票走向,预测市场好坏,预测许许多多我们想要知道的东西。衣食住行,机器学习正在逐渐占领我们的生活。
1.4 Componentof Machine Learning(机器学习的组成部分)
这是第一章的重点
介绍机器学习的理论符号和数学知识。
e.g. 银行是否会给申请者发放信用卡
1.输入(input):x∈X(每一个X中的x指银行记录里的用户信息)
2.输出(output):y∈Y(是否会发信用卡给申请者)
3.目标函数(target function):f:X -> Y(理想的信用卡公式)
4.数据(data),即训练样本(training function):D={(x1 ,y1)…(xn,yn)}(银行的历史记录)
5.假设(hypothesis):g: X -> Y(能够学习到的公式)
简单流程图:f 中的{(xn, yn )} -> 机器学习 -> g
机器学习,就是从我们未知、但确实存在的公式f中得到数据(即训练样本),在这些数据的基础上得到一个近似于未知公式f的公式g。
详细的机器学习流程图:
注1:
A:机器学习算法(learningalgorithm)
H:假设空间或者叫做假设集合(hypothesis set)
输入:训练样本集D、假设集合H
输出:最终假设g≈f。
注2:
A从H中挑选出它认为最好的假设作为g。
机器学习就是通过数据来得到一个假设g,假设g近似于未知的目标函数f。
1.5 MachineLearning and Other Field(机器学习与其他领域的关系)
1.5.1 ML VS DM(DataMining 数据挖掘)
数据挖掘是从大量的数据里找出有用的信息。机器学习是数据挖掘的一种重要的工具。找出的有用信息就是我们的目标函数的假设。
1.5.2 ML VS AI(Artificial Intelligence 人工智能)
人工智能是使得电脑表现出人类的智慧行为。机器学习是实现人工智能的一种方法。
1.5.3 ML VS statistic(统计)
统计是利用数据,对未知的东西进行推论。统计是实现机器学习的方法。
- Lecture 1: The Learning Problem(学习问题)
- 机器学习基石笔记 Lecture 1: The Learning Problem
- 机器学习基石-1-The Learning Problem
- 机器学习基石笔记(1)——The Learning Problem
- 机器学习基石-01-the learning problem
- 机器学习基石-The learning problem
- (机器学习基石)Machine Learning Foundations:Lecture 1
- Machine Learning Foundation Lecure 01 The Learning Problem 学习笔记
- 数据结构与算法的学习问题——The Data Structures and Algorithms Learning Problem
- 台湾大学林轩田机器学习基石课程学习笔记1 -- The Learning Problem
- [MOOC学习笔记]机器学习基石 Lecture01 The Learning Problem
- [MOOC学习笔记]机器学习基石 Lecture01 The Learning Problem
- Lecture 3:Types of Learning(各种类型的机器学习问题)
- Machine Learning Foundation Lecture 03 Type Of Learning 学习笔记
- Machine Learning Foundation Lecture 04 Feasuibility of learning 学习笔记
- 机器学习基石——第1-2讲.The Learning Problem
- 台大机器学习笔记(1)——The Learning Problem
- 【笔记】机器学习基石(一) the learning problem
- hihoCoder_#1069_最近公共祖先·三(RMQ-ST模板)
- 倒油问题
- 一秒钟检测一个局域网网段--VB.NET通过异步Ping方法测试局域网通断(非多线程)
- 自定义View之会动的闪电
- 关于JAVA的几种排序算法研究
- Lecture 1: The Learning Problem(学习问题)
- grid++report详解
- 黑马程序员 oc随机 点语法
- HDOJ Cyclic Nacklace 3746【KMP】
- Android MenuItem 设置文字颜色-TextColor的设置
- 详细图解Oracle Exadata存储系统
- oracle 修改数据表字段
- Android添加一个Native Service
- caffe 网络结构几个部分简单介绍