1.课程结构
整个基石课程分成四个部分:
-
When Can Machine Learn?
-
Why Can Machine Learn?
-
How Can Machine Learn?
-
How Can Machine Learn Better?
1.ML的基本概念
机器学习可以被定义为:Improving some performance measure with experence computed from data. 也就是机器从数据中总结经验,从数据中找出某种规律或者模型,并用它来解决实际问题。
2.ML的应用场景
应用场合大致可归纳为三个条件:
-
事物本身存在某种潜在规律
-
某些问题难以使用普通编程解决
-
有大量的数据样本可供使用
3.机器学习的基本流程
对于理想的目标函数f,我们是不知道的,我们手上拿到的是一些训练样本D,假设是监督式学习,其中有输入x,也有输出y。机器学习的过程,就是根据先验知识选择模型,该模型对应的hypothesis set(用H表示),H中包含了许多不同的hypothesis,通过演算法A,在训练样本D上进行训练,选择出一个最好的hypothes,对应的函数表达式g就是我们最终要求的。一般情况下,g能最接近目标函数f,这样,机器学习的整个流程就完成了。(A+H=learning model)