01_学习问题【机器学习基石】

01_学习问题

一、概念

什么是机器学习？机器如何学习？机器怎么就算能够学习了？…

二、什么是机器学习？

1. 学习的本质：从观察开始，转化为有用的技能。

   机器学习：从数据中学习，并且在实际检验中能够有较好的正确率、更高的性能、更好的表现。

2. 现实生活中，我们往往无法一开始就像好条条规则来设计程序解决问题，还有很多无法提前预料到的情况，这就是机器学习存在的实际意义之一。

3. 机器学习的三个关键：1. 问题有潜藏的“模式”让机器可以学习； 2. 无法设计传统的程序解决； 3. 能够有数据做输入。

三、机器学习的应用

机器学习在小到衣食住行，大到各种传统领域（医疗、法律、金融…）都发挥着作用。

四、机器学习的组成部分

1. 输入：一个特征向量 $x\text{x}x$ ，$x\text{x}x\in X$ 。
2. 输出：样本的标记 $y$ , $y\in Y$ 。
3. 目标函数：就是问题中潜藏的，但是事先并不知道的模式 $f$ ，$f:X\to Y$ 。
4. 数据集：是一组 $(x\text{x}x,y)$ 的二元组 $D$ ，每个二元组都被称为样本。
5. 假设函数：实际学习得到的 $h$ ，用它来逼近 $f$ ，$h\in H$ ，$H$ 被称为假设空间。
6. 学习算法：定义 $H$ ，并能够从中挑选最优的 $h$ 的算法 $A$ 。

$$D\stackrel{AonH}{\to }(g:X\to Y)$$

五、机器学习与数据挖掘的区别

机器学习目的是提取模式（从输入特征到输出结果的模式）数据挖掘目的是为了找到数据中感兴趣的属性。