摘要：
1.不同输出空间上的学习 二分类问题 多分类问题 回归问题 结构化的问题（有趣且复杂，可从多分类的问题衍生而来） ... 2.不同数据标签上的学习 有监督的学习 无监督的学习 无监督的多分类 聚类 （比监督式的困难，但是更实用） 无监督的应用： 聚类 文章 = 主题 用户画像 = 用户群 密度分析 阅读全文
摘要：
Roadmap 1.感知器假设集 假设空间 $H$ 到底是什么样子？ $H$中的一个$h$，$h$由$\mathbf{W}$ 和 阈值决定（阈值可以作为$w_0$） 举个具体的栗子： 2.感知器学习算法（Perceptron Learning Algorithm, PLA） 如何选择 $g$ ? $ 阅读全文