《机器学习基石》中的有疑惑的部分（不断更新）

1.在第一节课中，对于机器学习流程中总结出的式子，如下：

     

理解了D是数据的含义,也大体了解g是最终通过机器学习得到更好的表现，H是假设，A是机器学中用到的算法（即学习过程中用到的准则，怎么去判断），H是所有假设。

但这几个字母具体的理解还不太懂，比如到底是个什么东西，假设和g联系到现实生活中是什么，算法这一块得后期实践的时候理解，总之这个知识点掌握的不透彻，存在疑惑。

更正：是根据模型H，使用演算法A，在训练样本D上进行训练，得到最好的h，其对应的g就是我们最后需要的机器学习的模型函数，一般g接近于目标函数f。

2.在第二节课中了解了感知器，对于PLA算法中对于线性划分与非线性划分的探讨这一块不是太理解，另外这一算法适合什么样的问题，现实生活中还有哪些事例，另外PLA算法的具体流程和代码都需要进一步学习。

3.第四、五节课中机器学习的可行性，里面用到的霍夫丁不等式得到的结论的推导过程需要进一步理解，掌握的不踏实。还有成长函数以及突破点没有掌握。