关键内容
参考:西瓜书笔记
- 根据训练数据有无标记信息,学习任务可分为:监督学习和无监督学习,分类和回归是前者的代表,聚类是后者的代表。
- 通过学习得到的模型对应了假设空间中的一个假设,但不同的假设可能都能在训练集上得到一样的结果,同时对于新样本不同的假设可能产生不同的结果。这时候算法的偏好就起到了很大的作用。任何机器学习算法都有其必有的归纳偏好,最常见的规则是奥卡姆剃刀:即若有多个假设与观测一致,则选择最简单的那个。
- 没有免费午餐定理:不存在一个集线器学习算法对搜索空间里的所有问题都有效,如果一个算法对某些问题有效,则一定在另一些问题上比随机搜索算法表现更差,也就是说,不能脱离实际问题谈论算法的优越性。
参考:
西瓜书
https://github.com/Sophia-11/Machine-Learning-Notes/tree/master/ch1