摘要：这一节讲述的是机器学习的核心、根本性问题——学习的可行性。学过机器学习的我们都知道，要衡量一个机器学习算法是否具有学习能力，看的不是这个模型在已有的训练数据集上的表现如何，而是这个模型在训练数据外的数据（一般我们称为测试数据）上性能的好坏，我们把这个性能称为泛化能力（generalization a... 阅读全文

摘要：第一讲中我们学习了一个机器学习系统的完整框架，包含以下3部分：训练集、假设集、学习算法 一个机器学习系统的工作原理是：学习算法根据训练集，从假设集合H中选择一个最好的假设g，使得g与目标函数f尽可能低接近。H称为假设空间，是由一个学习模型的参数决定的假设构成的一个空间。而我们这周就要学习一个特定的... 阅读全文

摘要：这门课的授课老师是个台湾人，师从Caltech的Yaser S. Abu-Mostafa，他们共同编撰了《Learning From Data》这本书。Yaser S. Abu-Mostafa在edx上也开设了机器学习的公开课，不过说实话，他的埃及口音英语实在很难听懂，而且讲的内容偏重理论，所以追了... 阅读全文