learner1333的博客

没有免费午餐定理（No free lunch Theorem） 前提：当所有“问题”出现的概率相等，或者我们同时关注机器学习中所有的问题。 内容：如果一种算法A，在某些问题上好于算法B，那么必然存在另一些问题，使得算法A性能弱于B。 数学证明：对于同一样本空间，总误差与学习算法无关 含义：脱离特定的实际问题，是无法讨论算法的优劣的。特定的学习问题有特定适合的算法，不应该拘泥于某种算法，而是根据实际问题选择。 机器学习主流技术 1. 从样例中学习 顾名思义，即根据数据特征进行学习，如决策树，BP神经网络

学习动机 我初次接触机器学习的契机，是在进行科研训练时，需要搭建相关的神经学习网络，因而看了一些网课以及速成教程。在完成pytorch /tensorflow 等平台的搭建后，可以利用其提供的集成工具，几行代码就可以快速搭建起想要的模型（SVM 或 CNN 网络等等），可谓非常便捷，极易入门。但是，这样速成的做法并没有使我更了解机器学习，反而流于表面。因此，我打算拜读一下周志华老师的著作《机器学习》，尽量在这一学期内完成1~10章的学习。通过认真的阅读，争取对机器学习有更好的认识。 我写此博客的初心，主要是