机器学习基石笔记1——在何时可以使用机器学习（1）

1 The Learning Problem
1.1 Course Introduction
介绍课时设置。

 

1.2 What is Machine Learning

什么是机器学习？

类比人的学习：通过观察获得经验获得解决问题的技能。

机器的学习：通过大量数据获得经验（模型公式等）提高解决问题的技能（这些技能在是可以被量化衡量），也就是在这些量化的指标上表现得有所提高。

 

Tom M. Mitchell对机器学习的定义：
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.

 

关于机器学习的一个简单的解释是利用训练样本D和假设集合H求出一个最接近目标函数f的假设g。这个下面会有解释。

 

满足以下条件时，可以考虑使用机器学习来解决对应的问题：

1. 有可以学习的“潜在模式”，有规律可循。

2. 很难或不能用数学或程序的方式准确定义。

3. 需要关于“模式”的有效输入数据。

 

做道题：

 

解答：

 

1.3 Applications of Machine Learning

机器学习的应用：机器学习早已应用于日常的衣食住行育乐。

 

做道题：

 

解答：

 

1.4 Components of Machine Learning

机器学习的组成元素：

其实输入应该是训练样本D和假设集合H。

 

组成元素之间的联系：

 目的：利用从综述X中抽取的样本数据D求得接近于目标函数f的假设g。f和g是X->y的映射。

 

做道题：

 

解答：

 

1.5 Machine Learning and Other Fields

机器学习与数据挖掘、人工智能和统计的联系。

机器学习与数据挖掘

 

机器学习与人工智能

 

机器学习与统计

 

做道题：

 

解答：

 

总结：