笔记--邹老师的课

第一节课笔记

主要学习内容

1. 机器学习的概念
2. 机器学习的数学基础知识

机器学习的概念

什么是机器学习

• 对于某给定的任务T,在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E;随着提供合适、优质、大量的经验E，该程序对于任务T的性能逐步提高。
• 机器学习对象： 任务-经验-性能
• 任务不断进行，经验的积累会带来计算性能的提升

人类的学习

• 从无知到有知： 掌握接受信息的特征
• 有监督学习：判定“月亮”
• 无监督学习：创造“阅兵”
• 增强学习：走路、踢球
• 半监督学习

机器学习可以解决

• 给定数据的预测
• 数据清洗/特征选择
• 确定算法模型/参数优化
• 结果预测

机器学习一般流程

• 数据收集-数据清洗-特征工程-数据建模-模型的使用（番茄炒鸡蛋）
• 其中比较重要的是：数据清洗与特征工程
• 建模：根据已有数据并可能有标记值，提取出数据中的特征向量，使用某一个机器学习算法，对模型进行训练得出模型。
• 预测：利用新数据并可能有标记值，提取出数据中的特征向量，根据模型对新的数据进行预测。

数学分析复习

1. 泰勒展开
2. 导数（方向导数、梯度）
3. Taylor公式
4. $\Gamma$函数
5. 凸函数定义
6. 微分
7. 概率论（下节课）