林軒田《机器学习基石》课程总结

最近发布了一系列台湾大学资讯工程系林軒田(Hsuan-Tien Lin)教授开设的《机器学习基石》的课程总结,分为4个部分,点击标题可查看:

  1. 机器什么时候能够学习?(When Can Machines Learn?)
  2. 机器为什么能够学习?(Why Can Machines Learn?)
  3. 机器怎样学习?(How Can Machines Learn?)
  4. 机器怎样可以学得更好?(How Can Machines Learn Better?)

1 “3”的魔力

整个课程中,“3”这个数字贯穿始终。比如在介绍机器学习时,介绍了它和3个相关领域(数据挖掘、人工智能、统计学)的区别与联系:

在说明可学习性理论时,讲了机器学习的3个理论边界

课程介绍了3种线性模型(PLA/Pocket、线性回归、逻辑回归):

还介绍了3种关键工具(特征变换、正则化、验证):

以及3个学习原则(奥卡姆剃刀、抽样偏差、数据窥探):

在未来的《机器学习技法》课程中,还会从3个方面(更多特征变换、更多正则化、更少标签)进行扩展,进而引出一系列的模型:

2 课程回顾

以下是每一节课的回顾。

©️2020 CSDN 皮肤主题: 1024 设计师:上身试试 返回首页