机器学习基石-笔记1

1. 机器学习概念

人类通过观察学习某种技能

计算机通过数据获得某种技能

2. 什么情况下需要机器学习？

1）输入和输出之间存在一些潜在的模式或者说规则可以学习

2）无法描述，不能用程序去实现

3）有可供学习的数据

3. 机器学习的构成

 

 

 

 

 

 

 

 

 

 

 

 

 

数据的输入和输出之间存在一定的关系，这个关系可以用一个target function f来表示，我们称之为理想的target function f ，注意target function f 是未知的。机器学习可能无法得到这个理想的tarfet function f。但是机器学习可以学到一个function （hypothesis） g, 这个function g 和target function f 实现的效果很接近。换句话说，机器学习基于训练数据和对应的标签，采用学习算法从hypothesis set 中找到一个 hypothesis g，这个g实现的效果和f接近。

参考资料：

1. 机器学习基石，完整版 - 林轩田 - 台湾大学 https://www.bilibili.com/video/BV1W7411z7Ra?p=5

 

2. Learning from Data