机器学习笔记01

吃瓜之路

第0章

• 范围划分：人工智能>机器学习>深度学习

• 人工智能具体应用领域：

  • 计算机视觉CV：人脸识别
  • 自然语言处理NLP：文本识别
  • 推荐系统RS：分析喜好

• 数学基础推荐课程：张宇考研 数学系列(基础班)

第1章 绪论

• 假设空间和版本空间

  假设空间：模型（如：y=3x-2）
  版本空间：所有能拟合训练集的模型（假设）构成的集合

• 基本术语

  算法：从数据中习得模型的具体方法，如：线性回归等

  模型：算法产出结果

  样本：一条事件的描述

  向量：“；”列向量；“，”行向量

  特征工程：中文数值化

  标记：

  

  样本空间和标记空间

  

  根据标记取值类型，机器学习任务分类

  • 分类：离散型标记
  • 回归：连续性标记

  根据是否用到标记信息，机器学习任务分类

  • 监督学习
  • 无监督学习

  数据集：
  

  模型：

  

  泛化：对未知事物判断的准确与否称为泛化能力

  分布：概率论中的概率分布

  归纳偏好：不同的机器学习算法有不同的偏好

• 数据决定模型上限，而算法则是让模型无限逼近上限
  数据量越大，模型效果越好;从特征工程的角度，对特征数值化越合理，特征收集越全越细致，模型效果越好。ChatGPT的数据庞大，质量高
  数据相关工作准备充分，可用算法从数据学习潜在规律从而得到模型