【机器学习课程复习】

嗯。。。没搞完先发了吧

一、机器学习概论

1.机器学习定义

机器学习的概念

什么是机器学习？
从大量数据中获得知识或技能的过程
什么是知识/技能？
知识/技能的获取等价于某种经验或性能指标的提升
so，机器学习：从数据中获得某种性能指标的提升

机器学习的定义

1959 Aruthur Samul:机器学习是一个不通过显著式编程来赋予计算机学习能力的领域
显著式编程：需要人为的根据周围的环境、规则、经验等给计算机规定一些机械化步骤或判断依据
非显著式编程：无需人为的给出所有的步骤和约束计算机必须总结什么规律

1998 Tom Mitchell:一个计算机程序可被称为学习，是指它能够针对某个任务T和某个性能指标P，从经验E中学习，并且它在T上被P所衡量的性能指标，会随着经验E的增加而提高。

2.机器学习基本知识

可以使用ML的三个必要条件

1. 存在一些可被学习的潜在模式，故性能指标P能被提升
2. 不容易被显著式编程
3. 存在关于潜在模式的数据，故机器学习有经验E可供输入

基本术语

工作流程

分类

二、机器学习理论

霍夫丁不等式

三、模型优化与验证方法

模型选择方法