西瓜书笔记系列 - 第1章 绪论 - 1.1 引言

西瓜书笔记系列 - 目录

---

1.1 引言

  人们能做出有效的预判，是因为人们已经积累了许多经验，而通过对经验的利用，就能对新情况做出有效的决策。
  对于计算机而言，机器学习正是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身有效决策的性能。
  而利用经验的方法，就是从中构造出一种模型(model)，依照这种模型做出预判与决策，从而应对现实情况（特别是新的情况）。
  我们的目的是让机器自己学习，因而我们希望这种模型的构造是自动的。所以，我们需要一个能够自动构造模型的算法。
  在计算机系统中，经验通常以数据形式存在，因此，机器学习所研究的主要内容，是在计算机上利用经验数据产生"模型"的算法，即学习算法(learning algorithm)。为学习算法设置不同的参数值，或给定不同的数据，往往会得到不同的模型。
  另外，也可以认为，模型本身具有学习能力，是学习算法在给定数据和参数空间上的实例化，即学习器(learner)。
  [Mitchell, 1997] 给出了一个更形式化的定义：假设用 P 来评估计算机程序在某任务类 T 上的性能，若一个程序通过利用经验 E 在 T 中任务上获得了性能改善，则我们就说关于 T 和 P ， 该程序对 E 进行了学习。