本篇是Understanding Machine Learning阅读笔记系列的第一篇。
前言
机器学习(Machine Learning)是自动检测数据中有意义的模式的过程,这个词近年来火爆,但是在过去的几十年中,很多机器学习算法已经得到落地应用,通常面对数据量庞大,而所需任务是从这些数据中提取信息的场景。如搜索引擎(庞大知识库中抽取包含特定结果的网页)、反垃圾营销系统(大量邮件、通知中检测特定种类的垃圾语句)等、相机为了更智能的进行对焦,所应用的人脸(眼)检测算法(大量物体中找到所需要的特定形状),信用卡交易反欺诈(大量交易信息中特定交易模式)。
这些应用的特点:
问题是复杂的且模式难以用简单逻辑检测到的,人类程序员难以或者无法提供明确、详细的问题解决方法或指南说明来为传统计算机程序编程。以具有智能的人类为例,我们习得的技能大多是从经验中学得的,而不是遵循一些设定好的指令。
本书目的一:介绍ML的基础概念,包括什么是机器学习,如果量化资源,学习成功的可能性,我们如何判断学习过程成功了还是失败了;
本书目的二: 介绍ML中的关键算法,除了介绍一些成功的算法外,还会介绍学习技巧。此外,由于在数据爆炸的时代,计算时间成为主要瓶颈,本书还有对大规模应用的提及。
本书分为4部分:
1. 对ML的基础问题给出初步解答;2. 介绍多种学习算法;3. 前两部分以PAC为主,第三部分将延展到更广范围的算法;4. 包含对先进的理论的介绍。