相关基本概念
机器学习=统计学习=算法+理论(统计学习)=概率(核心)+凸优化+矩阵分析=人工智能
人工智能(AI)>机器学习(获取数据-> 构造模型(统计模型) -> 学到一些知识来解决问题)>深度学习(特殊的机器学习 神经网络)
- c(概念):x(数据集)->y(目标):y是离散的话叫分类问题 、y是连续的话叫回归问题
- 样本集S(x1,x2…xm)
- lables(c(x1)就是y1,c(x?)):结果集
- 假设h :S样本集不同的话、逼近不同的大H
- 泛化错误:在所有的数据集上、未知的错误的平均值
- 经验错误:给的S样本中的错误
- pac:概率近似正确、用pac概念可以估计泛化误差:泛化误差为0的概率趋近于1