基本概念
学习算法:机器学习所研究的主要内容,是关于在计算机上从数据中产生“模型”的算法,即“学习算法”
学习算法的作用:
- 基于提供的经验数据产生模型
- 面对新情况时,模型可提供相应的判断
属性/特征:反应事件或对象在某方面的表现或性质的事项
样本空间/输入空间:属性张成的空间
n个特征 → n维空间
模型:从数据中学得的结果
学习器:学习算法在给定数据和参数空间上的实例化
标记 → “好瓜/坏瓜”
样例:拥有了标记信息的示例
标记空间/输出空间:标记的集合
泛化能力:学得的模型适用于新样本的能力(训练样本越多可能获得强泛化能力的模型)
假设:学习模型对应了关于数据的某种潜在的规律
真相/真实:这种潜在规律自身,学习过程就是为了找出或逼近真相
- 归纳(特殊 → 泛化):具体事实归结出一般性规律
- 演绎(一般 → 特殊):从基础原理推演出具体状况
广义的归纳学习:产生“黑箱”模型
狭义的归纳学习:学的概念
假设空间:机器学习中可能的函数构成的空间
版本空间:可能有多个假设与训练集一致,与训练集一致的“假设集合”
归纳偏好:(特征选择)机器学习算法在学习过程中对某种类型假设的偏好
- 尽可能特殊
- 尽可能一般
“奥卡姆剃刀”原则:若有多个假设与观察一致,选择最简单的那个
(难点在于 怎么确定“简单”?)
“没有免费的午餐”定理:(前提:所有问题出现的机会相同或所有问题同等重要)无论算法“聪明”或“笨拙”,他们的期望性能相同。总误差与学习算法无关。
要谈论算法的相对优劣,必须针对具体的学习问题。
学科之间关系
人工智能 > 机器学习 > 深度学习
-
机器学习 → 数据分析
-
云计算 → 数据处理
-
众包 → 数据标注
-
机器学习为数据挖掘提供数据分析技术
-
数据库为数据挖掘提供数据管理技术
假设空间的规模问题
书中例子为西瓜,为判断西瓜的好坏,其属性有三种:色泽、根蒂、敲声。这三种属性分别有3、3、3种可能取值,其假设空间的规模为65。
这是因为,在假设空间中,属性的“无论取什么属性值都合适”也是一种属性值,而不是作为单一属性的3种可能取值的集合存在。
- 只与色泽有关:3
- 只与根蒂有关:3
- 只与敲声有关:3
- 与根蒂、敲声有关:9
- 与色泽、敲声有关:9
- 与色泽、根蒂有关:9
- 与三者均有关:27
- 与三者均无关:2(都是好瓜/都是坏瓜)
综上,假设空间规模为65.