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?
-
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。
-
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。
-
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
- 输入:一个特征向量 x \pmb x xxx , x ∈ X \pmb x \in X xxx∈X 。
- 输出:样本的标记 y y y , y ∈ Y y \in Y y∈Y 。
- 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 f , f : X → Y f:X \to Y f:X→Y 。
- 数据集:是一组 ( x , y ) (\pmb x,y) (xxx,y) 的二元组 D D D ,每个二元组都被称为样本。
- 假设函数:实际学习得到的 h h h ,用它来逼近 f f f , h ∈ H h \in H h∈H , H H H 被称为假设空间。
- 学习算法:定义 H H H ,并能够从中挑选最优的 h h h 的算法 A A A 。
D → A o n H ( g : X → Y ) D \stackrel{A \space on \space H}{\rightarrow}(g:X \to Y) D→A on H(g:X→Y)
![image-20211124104212591](https://gitee.com/kingdom365/blogs-photo/raw/master/CSDN/202112071432212.png)
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。