机器学习绪论

机器学习绪论

​ 今天开始机器学习理论知识学习，希望能坚持到最后，这里的理论知识是基于 周志华—机器学习 一书 的。





​ 个人认为机器学习其实就是从现有的数据中通过统计、假设检验等手段获得一个模型，然后使用该模型去预测新的数据（未参与训练），也即是从模型中的假设空间中找到符合新数据特征的假设，但可能找到多条假设，因此需要我们给它对某种假设的偏好（归纳偏好），最终找的符合偏好的假设就是我们的预测结果。

​ 通常使用‘奥卡姆剃刀’原则来确定‘正确的’偏好，一般来说，‘奥卡姆剃刀’是说“若有多个假设与观察一致，则选择最简单的那个”。简单来说就是需要的假设最少的解释往往是最接近真相的解释，因为没多一条前提假设的使用性就会下降一分，前提条件越多假设成立的概率就越低（因为满足所有前提都成立的可能性低）。越低（因为满足所有前提都成立的可能性低）。

​