图解机器学习笔记（一）

这本书从译者的序可以看出，我们看的时候不应该过于专注于模型的推到，我们要做到的是掌握算法的特点和使用方法。因为本人专注于的是工程项目，而不是开发所谓的新算法，所以这本书拿来就用的特点很适合我。以下记录一些看到的基本概念。

泛化：指的是解决新问题的能力

有监督学习：（1）是带有外界反馈的学习（2）是有自己的目的，希望通过已有的数据，对没有学习过的问题做出解答。

无监督学习：（1）不带有外界反馈的学习，自己主动收集学习（2）可以不带有明确的目的

回归：（1）有监督的函数近似问题，输入的是一系列点集{xi yi}(i=1~n) (2)它的目的是得到明确的数学模型，误差计算为预测模型和客观模型的差异

分类：（1）有监督的模型识别问题， 输入的是一系列点集{xi yi}(i=1~n)，但是yi在记录时，把yi记作一个类(2)它的目的是得到每有一个输入，输出一个类。

聚类：（1）无监督的模型识别问题， 输入的是一系列点集{xi }(i=1~n) （2）它的目的是得到每有一个输入，输出一个簇。相同簇的样本具有相似性，不同簇的样本相似性较低。

异常检测：输入样本包含的异常数据，靠近密度中心则正常，偏离则异常

降维：对于高维度输入点集{xi} ,通过横向量T ，设输出的为{zi}，则有zi = T xi 。 (1)对于有监督学习输入输出样本为{xi} {yi}，降维有助于提高泛化能力(2)对于无监督学习输入样本为{xi}，降维后必须使得数据的近邻关系不变化。