[台大机器学习基石]总结

一

机器学习是什么？通过对资料的处理来达到某种技巧，即一种改善某一方面性能的能力。

如果要求辨识一棵树？传统程序设计是先定义一颗树，然后再来辨别。但实际上人的学习不是这样的，而是通过对大量的树的观察，而内在的演化成的一种分辨的能力。

 机器学习的可能应用场景：

对环境不太具体了解；（送一个机器到一个未知的环境）

对规则不容易定义清楚；（对声音，视觉的域无法准备定义）

对应用想都没有想过；（极短的时间去做决定）

个性化的服务；（没办法一一去了解）

总结：

• 有某些目标要去改善；（有某些规则）
• 不知道/不容易去定义规则；
• 资料；

若干应用领域：

教育：  数学的一个线上答题系统，学生在上面答题，通过一段时间的了解，系统应该能够给学生的题不要太容易（学生已经熟练掌握这类题），也不能给学生太难的题（学生根本不会做），给学生多一些不太熟练的题目；这里的一个关键是如果给学生一个他没有见过的题目的话，他到底会不会做？

　　那我们能不能通过学生答题的历史记录和题库的有关资料来判断呢？

　　一个可能的方案：

• 学生的等级 > 题的难度
• 机器通过对历史数据的学习，来预测到那个时间点，学生的程度如何，题的难度如何

娱乐：用户给电影评分

正常过程是viewer与movie内积，得到评分rating

现在是已经有历史资料的评分rating了，反推用户的特征，电影的特征；如果今天有一部他没有看过的电影，我们就把预测的这个人的特征和这部电影的特征结合，得到电影的评分。

 机器学习基础设定：