Course1 初步介绍

仅供自己学习之用

 

学习主题：

• When Can Machines Learn? (illustrative + technical)

• Why Can Machines Learn? (theoretical + illustrative)

• How Can Machines Learn? (technical + practical)

• How Can Machines Learn Better ? (practical + theoretical)

 

 

8 weeks of ‘foundation’ ( this course ) + 7 weeks of ‘techniques’ (coming course)

 

 

 

一、

二、

1、学习：

通过 观察  学习得到 技能

2、机器学习：

对 资料数据进行处理学习 技能技巧

3、skill

增进某种表现

4、进一步推断：

5、使用用途：

当人不能手动进行项目（火星探测）

当人不能很容易找到解决方法（视觉声音的辨识）

人不能很容易决策（高频率股票预测）

服务大量使用者（面向消费者的营销）

6、机器学习使用条件：

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

7、问题

 

三、举例应用

机器学习在我们的衣、食、住、行、教育、娱乐等各个方面都有着广泛的应用，我们

的生活处处都离不开机器学习。比如，打开购物网站，网站就会给我们自动推荐我们

可能会喜欢的商品；电影频道会根据用户的浏览记录和观影记录，向不同用户推荐他

们可能喜欢的电影等等，到处都有机器学习的影子。

四、

1、

输入x

输出y

目标函数f

训练样本D

矩g:

假设 hypothesis ，一个机器学习模型对应了很多不同的 hypothesis ，通过演算法

A ，选择一个最佳的 hypothesis 对应的函数称为矩 g ， g 能最好地表示事物的内在

规律，也是我们最终想要得到的模型表达式。'

2、问题：

S1=[0，100]        输出的结果，比如办银行卡用户的评估值在0到100

S2=所有可能的（userid，songid）对          输入的结果，比如办银行卡用户填的信息

S3=所有“乘以”用户因素和歌曲因素的公式，按这些因素的所有可能组合编制索引

S4=1000000对（（userid，songid），等级

五、

1、

与机器学习相关的领域有：

数据挖掘（ Data Mining ）

人工智能（ Artificial Intelligence ）

统计（ Statistics ）

 

2、