台湾国立大学的《机器学习基石》第一讲 笔记
来源:互联网 发布:小蚊子数据分析百度云 编辑:程序博客网 时间:2024/05/21 02:52
一,机器学习定义
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
三个关键:
1.Exits some “underlying pattern” to be learned
2.No programmable definition
3.There is data about pattern
f是理想方案,通过算法A在假设空间H选择最好的假设g,目标是让g近似f
所有的假设空间H就是假设方案g的集合
二,具体以使用机器学习
三,机器学习和统计,人工智能,数据挖掘的区别(copy)
1, Machine Learning vs. Data Mining
数据挖掘是利用(大量的)数据来发现有趣的性质。
1.1 如果这里的”有趣的性质“刚好和我们要求解的假设相同,那么ML=DM。
1.2 如果”有趣的性质“和我们要求的假设相关,那么数据挖掘能够帮助机器学习的任务,反过来,机器学习也有可能帮助挖掘(不一定)。
1.3 传统的数据挖掘关注如果在大规模数据(数据库)上的运算效率。
目前来看,机器学习和数据挖掘重叠越来越多,通常难以分开。
2, Machine Learning vs. Artificial Intelligence(AI)
人工智能是解决(运算)一些展现人的智能行为的任务。
2.1 机器学习通常能帮助实现AI。
2.2 AI 不一定通过ML 实现。
例如电脑下棋,可以通过传统的game tree 实现AI 程序;也可以通过机器学习方法(从大量历史下棋数据中学习)来实现。
3,Machine Learning vs. Statistics
统计学:利用数据来做一些位置过程的推断(推理)。
3.1 统计学可以帮助实现ML。
3.2 传统统计学更多关注数学假设的证明,不那么关心运算。
统计学为ML 提供很多方法/工具(tools)。
- 台湾国立大学的《机器学习基石》第一讲 笔记
- 听课笔记(第一讲):台湾国立大学的《机器学习基石》(Coursera 版)
- 听课笔记(第三讲): 机器学习的分类学 (台湾国立大学机器学习基石)
- 台湾国立大学机器学习基石.听课笔记(第三讲): 机器学习的分类
- 台湾国立大学机器学习基石.听课笔记(第四讲): 机器学习的可行性
- 台湾国立大学机器学习基石.听课笔记(第四讲): 机器学习的可行性
- 听课笔记(第四讲):学习的可行性分析 (台湾国立大学机器学习基石)
- 台湾国立大学机器学习基石.听课笔记(第六讲): 一般化(举一反三)的理论
- 听课笔记(第五讲): 学习的可行性分析(一些概念和思想) (台湾国立大学机器学习基石)
- 听课笔记(第二讲): Perceptron-感知机 (台湾国立大学机器学习基石)
- 台湾国立大学机器学习基石.听课笔记(第五讲): 训练和测试有什么不同
- 台湾国立大学机器学习基石.听课笔记(第七讲):The VC Dimension
- 台湾国立大学机器学习基石.听课笔记(第八讲):Noise and Error
- 台湾国立大学机器学习基石.听课笔记(第九讲):Linear Regression
- 台湾国立大学机器学习基石.听课笔记(第十讲):Logistic Regression
- 台湾国立大学机器学习基石.听课笔记(第十一讲):Linear Models of Classification
- 台湾国立大学机器学习基石.听课笔记(第十二讲):Nonlinear Transformation
- 台湾国立大学机器学习基石.听课笔记(第十四讲):Regularization
- 区块链:比特币的灵魂,下一个风口
- poj-3617-Best Cow Line
- 布莱斯·马斯特斯为其区块链初创公…
- 比特币行业陷入融资难困境
- 乌克兰经济救助为比特币提供机会
- 台湾国立大学的《机器学习基石》第一讲 笔记
- 从最糟糕到第一:比特币价格以领先…
- 2016年私人区块链的四个预测
- 普华永道对于2016年区块链技术发展…
- 区块链公司Chain在纳斯达克区块链…
- c#学习笔记六 多态性详解
- Coinbase新软件遭Bitcoin.org移除
- 设计模式-桥接模式
- 突尼斯邮政试水非洲数字货币市场