1.1 什么是机器学习?
人类学习是从不断的观察获得经验的技能。
机器学习是从数据出发,通过数学运算等方式获得经验增强的技能。
1.2 什么时候可以用机器学习?
1)存在一些内部的规则
2)编程无法把这个规则定义出来
3)有充足的数据
1.3 基本符号
输入样本空间:
x
∈
X
x ∈ X
x∈X
输出样本空间:
y
∈
Y
y ∈ Y
y∈Y
目标函数(要学习出的模式):
f
:
X
⟶
Y
f: X \longrightarrow Y
f:X⟶Y
训练样本:
D
=
{
(
x
1
,
y
1
)
,
(
x
2
,
y
2
)
,
(
x
3
,
y
3
)
,
⋯
,
(
x
N
,
y
N
)
}
D = \{(x_1,y_1), (x_2,y_2), (x_3,y_3), ⋯ ,(x_N,y_N)\}
D={(x1,y1),(x2,y2),(x3,y3),⋯,(xN,yN)}
假说hypothesis(所有的可能的假设空间):
g
:
X
⟶
Y
g: X \longrightarrow Y
g:X⟶Y
目的就是根据未知的目标函数
f
f
f生成了训练样本
D
D
D,通过机器学找到对应的假设空间
g
g
g通过优化算法得到最优的
g
g
g使得
g
≈
f
g\approx f
g≈f,过程如下: