机器学习基石第一讲笔记

近来觉得机器学习愈发重要。有人推荐了台大林轩田老师讲授的“机器学习基石”，感觉林老师讲得生动清楚，是很好的课程，值得一学。

第一讲介绍了机器学习是什么，使用机器学习的条件，机器学习的模型是怎样的。

1. 机器学习是一种处理复杂系统的方法，这里老师举了4个例子：

　　(1) when human cannot program the system manually --navigating on Mars
　　(2) when human cannot 'define the solution' easily --speech/visual recognition
　　(3) when needing rapid decisions that humans cannot do --high-frequency trading
　　(4) when needing to be user-oriented in a massive scale --consumer-targeted marketing

 

2. 机器学习的实质：improving some performance measure with experience computed from data

可以使用的条件：

　　(1) exists some 'underlying pattern' to be learned --so 'performance measure' can be improved
　　(2) but no programmable (easy) definition --so 'ML' is needed
　　(3) somehow there is data about the pattern --so ML has some 'inputs' to learn from

 

3. 机器学习的模型：从训练数据D出发，用某种算法A从假设集合H中找出最接近目标f的假设g。