目录
什么是机器学习？
机器学习=寻找一种函数
如何寻找这个函数？
①定一个函数集合
②判断函数的好坏
③选择最好的函数
机器学习三板斧
①设计模型model
②判断模型的好坏
③选择最好的函数，优化模型
3.1修改模型，增加数据维度
3.2增加正则因子，使函数更加平滑，让参数w取值更小。（x变化较小时，整个函数结果不会变化太大，结果更准）
学习路线
监督学习：有数据标注情况下学习（回归、分类）
半监督学习：训练数据中带标记的数据不够多
迁移学习：在已学习基础上，做看似和以前学习不相关的事情，但实际效果很好（在猫狗识别基础识别大象老虎等）
非监督学习：没有具体标注数据的情况下学习（机器阅读、机器绘画）
结构化学习：超越简单的回归和分类，产生结构化的结果（如图片、语言、声音）
奥卡姆剃刀(Occam's razor)原理
在所有可能选择的模型中，我们应该选择能够很好地解释已知数据并且十分简单的模型。
bias偏差、variance方差
偏差：指与目标结果的偏移量，与目标距离远的是大偏差，与目标距离近的偏差小。
方差：描述的是稳定性，是否集中在目标区域，相对分散的是高方差，相对集中的是低方差。
监督学习
监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据。
训练误差小并不是我们的最终目标，我们的目标是希望模型的测试误差小，也就是能准确的预测新的样本。
一般来说，监督学习可以看做最小化下面的目标函数：
第一项L(yi,f(xi;w)) 衡量模型（分类或回归）对第i个样本的预测值f(xi;w)和真实标签yi之间的误差，要求这一项最小，模型尽量拟合训练数据。不仅要保证训练误差最小，更希望模型测试误差小，所以需加上对参数w的规则化函数Ω(w)去约束模型尽量简单。
对于第一项Loss函数，如果是Square loss，就是最小二乘；如果是Hinge Loss，那就是著名的SVM了；如果是exp-Loss，那就是Boosting了；如果是log-Loss，那就是Logistic Regression了；还有等等。不同的loss函数，具有不同的拟合特性，这个也得就具体问题具体分析的。
规则化函数Ω(w)也有很多种选择，一般是模型复杂度的单调递增函数，模型越复杂，规则化值就越大。比如，规则化项可以是模型参数向量的范数。然而，不同的选择对参数w的约束不同，取得的效果也不同，但在论文中常见的都聚集在：零范数、一范数、二范数、迹范数、Frobenius范数和核范数等等。这么多范数，到底它们表达啥意思？具有啥能力？什么时候才能用？什么时候需要用呢？
L1范数和L2范数的区别和作用?
范数：指的是向量的长度
L1范数是指向量中各个向量元素的绝对值之和。
L2范数（岭回归ridge regression或权值衰减weight decay）是指各个各个向量元素的平方和再开方。
L1范式相当于L0范式，使特征更多成为0，即特征稀疏化（L0范数很难优化求解，所以用的L1范式），方便特征提取。
L2范数可以防止过拟合，提升模型的泛化能力。
为什么L1范数会使权值稀疏？
任何的规则化算子，如果他在Wi=0的地方不可微，并且可以分解为一个“求和”的形式，那么这个规则化算子就可以实现稀疏。
为什么要稀疏？参数稀疏有什么好处呢？
特征选择(Feature Selection)
稀疏规则化算子的引入是为了完成特征自动选择的光荣使命，它会学习地去掉这些没有信息的特征，也就是把这些特征对应的权重置为0。
可解释性(Interpretability)
模型更容易解释。例如患某种病的概率是y，然后收集到的数据x是1000维的，也就是需要寻找这1000种因素到底是怎么影响患上这种病的概率的。假设这是个回归模型：y=w1*x1+w2*x2+…+w1000*x1000+b（当然了，为了让y限定在[0,1]的范围，一般还得加个Logistic函数）。通过学习，如果最后学习到的w*就只有很少的非零元素，例如只有5个非零的wi，那么我们就有理由相信，这些对应的特征在患病分析上面提供的信息是巨大的，决策性的。也就是说，患不患这种病只和这5个因素有关，那医生就好分析多了。
为什么L2范数可以防止过拟合？
让L2范数的规则项||W||2最小，可以使得W的每个元素都很小，都接近于0，但与L1范数不同，它不会让它等于0，而是接近于0。而越小的参数说明模型越简单，越简单的模型则越不容易产生过拟合现象。
什么是模型过拟合，列举模型过拟合的原因及解决办法？
据噪声导致的过拟合：噪声具有一定的随机性与欺骗性，如果把噪声作为有效信息的话，将会导致过拟合。
缺乏代表性样本导致的过拟合：训练数据集不能很好的反应整体分布可能会导致过拟合；训练数据集较小，但模型过度细化会导致过拟合。
从定量角度来讲，过拟合常常表现为模型的方差过大，而欠拟合则表现为模型的偏差过大
对特征进行挑选的方法有哪些？
通常来说，从两个方面考虑来选择特征：
特征是否发散：如果一个特征不发散，例如方差接近于0，也就是说样本在这个特征上基本上没有差异，这个特征对于样本的区分并没有什么用。
特征与目标的相关性：这点比较显见，与目标相关性高的特征，应当优选选择。除方差法外，本文介绍的其他方法均从相关性考虑。
根据特征选择的形式:
Filter：过滤法，按照发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，选择特征。通过该方法选出来的特征与具体的预测模型没有关系，因此具有更好的泛化能力。
Wrapper：包装法，根据目标函数（通常是预测效果评分），每次选择若干特征，或者排除若干特征。围绕一定的预测模型，预测模型的估计误差一定程度上反映了特征的有用性。
Embedded：集成法，先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。
机器学习中为什么要经常对数据做归一化处理？
- 归一化后加快了梯度下降求最优解的速度；
- 归一化有可能提高精度
常见的有这两种：
最值归一化。比如把最大值归一化成1，最小值归一化成-1；或把最大值归一化成1，最小值归一化成0。适用于本来就分布在有限范围内的数据。
均值方差归一化，一般是把均值归一化成0，方差归一化成1。适用于分布没有明显边界的情况，受outlier影响也较小。
参考：
https://mp.weixin.qq.com/s/Do2LCjo0bSBudp-Syj634Q
1940
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
