Machine Learning Foundation Lecure 01 The Learning Problem 学习笔记

        最近在看Coursera上台大林轩田老师的Machine Learning Foundation的课程，决定听一个讲座写一篇学习笔记。今天是第一篇。

        知识点1：

        人的学习过程是：Observation（观察）--〉Learning （学习）--〉Skill（技能）；

        而机器的学习过程是：Data （资料) --〉ML（Machine Learning，主要是Compute）--〉Skill（Improved performance measure）；

        例如：金融股票方面的机器学习，stock data --〉ML--〉more investment gain。

      

        知识点2：

        一个事物能否进行机器学习有如下的3个关键点：

        1、Exists some "underlying pattern" to be learned; （具有潜在的模式）

              So "performance measure" can be imporved

        2、No programmable(easy) definition; （无法用程序来定义这些规则）

              So 'ML' is needed

        3、Somehow there is data about the pattern。（拥有描述这个模式的数据）

              So 'ML' has some 'input' to learn from

        知识点3：

        Practical definition of Machine Learning（机器学习的定义）

        这是一个信用卡审批的机器学习的流程：

从上图可以看出，理想的信用卡是否审批存在一个公式f(是一个未知的目标函数)，通过这个目标函数f，输入X（信用卡申请人信息），输出Y（批准或未批准）。但是这个公式f我们不知道，但是我们有很多的历史资料，我们抽取一部分历史资料作为训练数据D:(x1,y1),...,(xn,yn)，通过机器学习算法A，从hypothesis set H中实验每一个hypothesis，最终ML得到'best' hypothesis g，应该来说g应该无限接近目标函数f。

Learning Model= A & H

 Machine Learning Foundation Lecture 02 Learning to Answer YesNo 学习笔记