机器学习PRML--第一章学习问题总结

1、每小节的顺序可以交换吗？它们是相互独立的关系还是层层递进的关系？

不可以，本章以多项式曲线拟合为例，主要需要确定的参数是w和M

从它们是层层递进的关系。

 

2、多项式拟合的例子可以扩展为一般机器学习的流程吗？

可以。需要注意的是：多项式拟合有两个问题：一个是欠拟合，一个是过拟合，对于欠拟合我们只需要增加参数（或者说特征）是拟合更加好，对于过拟合，我们提到了两种方式来解决，一个是增加数据，通过增加数据的方式增加引入更多的特征从而减少过拟合，另一种是增加正则化项。

 

3、机器学习训练阶段的目的是训练出什么？

训练出特征以及其权重

（1）训练其实就是一个优化过程，提出一种模型，已知一组数据，定义一种代价函数或者叫损失函数，然后用数学方法得到使得代价函数或损失函数最小的过程，也可以理解为优化参数

（2）如何确定参数，使得优化目标最优化。即：不断地试错，直至最优

（3）一个模型中，有很多参数。有些参数，可以通过训练获得，比如logistic模型中的权重。但有些参数，通过训练无法获得，被称为”超参数“，