《Deep Learning (Ian Goodfellow)》机器学习基础

机器学习基础

1. 学习算法

• 任务
  分类、输入缺失分类、回归、转录、机器翻译、结构化输出、异常检测、合成和采样、缺失值填补、去噪、密度估计或概率质量函数估计
• 经验
  根据学习过程中的不同经验，机器学习算法可以大致分类为无监督（unsupervised）算法和监督（supervised）算法，不过它们之间界线通常是模糊的。

2. 容量、过拟合和欠拟合

• 这两个因素对应机器学习的两个主要挑战： 欠拟合（underfitting）和过拟合（overfitting）。欠拟合是指模型不能在训练集上获得足够低的误差。而过拟合是指训练误差和和测试误差之间的差距太大。通过调整模型的容量（capacity），我们可以控制模型是否偏向于过拟合或者欠拟合。

3. …

机器学习的一些算法在《机器学习实战中文版》和《周志华机器学习》这两本书中更为详细，若之后学习上有推理需求，之后再来补充，先偷个懒