机器学习基础(林軒田)笔记之一

机器学习基础(林軒田)笔记之一

一、Course  Introduction

略

二、What is Machine Learning

首先，指出人的学习过程：

然后，引出简单的机器学习、获取知识的方法：

最后，给出一个详细的更加准确的机器学习、获取知识的定义：

三、Application of Machine Learning

这一节主要介绍了机器学习在人们生活中衣、食、住、行、教育、娱乐方面的应用

四、Components of Machine Learning

这一节将机器学习的组成部分，是本节课的重点。

以银行是否会给用户板栗信用卡为例：

从PPT中我们可以知道机器学习是从由大量数据资料中得到的假设函数集中，得到一个能近似表示输入输出集映射关系的目标函数g的过程。

下面是更为详细点的机器学习过程说明：

A：机器学习算法；

H：包括各种可能假设(可能的木匾函数)的集合；

A的作用就是从H中找出它认为最好的假设作为目标函数g。

1、这里还要说明的是机器学习的输入在这个流程图中就变成了两个部分，一个是训练样本集，而另一个就是假设空间

H。

2、还有一点需要注意的是，我们所说的机器学习模型在这个流程图中也不仅仅是算法A，而且还包含了假设空间H。

3、要求得g来近似于未知目标函数f。

4、给出了机器学习的一个更准确点的定义，就是通过数据来计算得到一个假设g使它接近未知目标函数。

图中所示还是一个相对比较简单的机器学习流程图，在往后的章节中会不断的根据新学的知识继续扩展这幅图的元

素。

五、Machine Learning and Other Fields

1、机器学习和数据挖掘

A、两者是一致的：能够找出的有用信息就是我们要求得的近似目标函数的假设；

B、两者是互助的：能够找出的有用信息就能帮助我们找出近似的假设，反之也可行；

C、传统的数据挖掘更关注与从大量的数据中的计算问题；

总的来时，两者密不可分。

2.机器学习和人工智能

机器学习是实现人工智能的一种方式。

3、机器学习和数理统计
统计也需要通过数据，来做一个未知的推论。因此统计是一种实现机器学习的方法。传统的数理统计更加关注数学公式。