摘要： 我的学习总结：上节课主要讨论了当M的数值大小对机器学习的影响，验证了M有限，最好是按照多项式成长，重点和难点是成长函数与突破点。本节课是在此基础上学习了归纳理论，引用了上限函数进行了一系列证明和推论。主要学习了只要存在break point，那么其成长函数mH(N)就满足poly(N)。推导过程是先引入mH(N)的上限B(N,k)，B(N,k)的上限是N的k-1阶多项式，从而得到mH(N)的上限就是N的k-1阶多项式。然后通过简单的三步证明，将mH(N)代入了Hoffding不等式中，推导出了Vapnik-Chervonenkis(VC) bound。（推导出VC这个公式的过程没有学好，需要补习）。 阅读全文

摘要： 我的学习总结：本节课我更加深入的学习了机器学习的可行性。可以机器学习拆分为两个核心问题：Ein(g)≈Eout(g)和Ein(g)≈0。针对这两个问题展开了探讨，主要针对批量的二元分类问题。后面对成长函数和突破点的介绍没有看懂，还需要进一步理解。 阅读全文

摘要： 我的学习总结：本节课主要介绍了机器学习的可行性。首先引入NFL定理，说明机器学习无法找到一个矩g能够完全和目标函数f一样。接着介绍了可以采用一些统计上的假设，例如Hoeffding不等式，建立Ein和Eout的联系，证明对于某个h，当N足够大的时候，Ein和Eout是PAC的。最后，对于h个数很多的情况，只要有h个数M是有限的，且N足够大，就能保证Ein≈Eout，证明机器学习是可行的。Hoeffding不等式掌握的差！不理解。 阅读全文

摘要： 我的学习总结：本节课主要学到了根据四种不同标准，机器学习有哪些种类，并进行了归纳。在本节课中重点学到了二元分类（上节课有接触到），回归，监督学习，非监督学习等等，属于概念性质的一节课，没有演算，数学推导等等。比较好懂。 阅读全文

摘要： 我的学习总结：本节课学到了感知机模型，以及推导过程中用到了二分类法。重点学习了解决这类感知机分类问题的简单算法：PLA。该算法的演算法用到了逐步修正，知错就改的思想，有图片解释，所以比较好懂，不过后面的证明在线性可分的情况下，PLA可以停下来和解决非线性可分的情况，这两块内容没有理解透，还需要再学习。 阅读全文

摘要： 总结出自己理解和掌握差的部分，存在的疑惑，后期学习中有所侧重，以及随着不断的学习深入可以解决自己的这些疑惑，更好的运用理论，实践分析，能有自己的看法和思想。 阅读全文

摘要： 我的学习总结：本节课主要学习了什么是机器学习，什么情况下可以使用机器学习（即机器学习的3个关键），以及机器学习在衣食住行教育娱乐这几个领域的应用，用图的方式解释机器学习的整个流程，最后介绍了机器学习和数据挖掘，人工智能，统计这几个领域之间关系，并且进行了比较。通过本节课的学习，我知道了机器学习的定义以及现实生活中机器学习的应用，本节课比较好懂，属于概述性的知识，我认为机器学习的流程的那个图要好好掌握，充分理解里面每个字符的含义。 阅读全文