Week1: the learning problem--what is machine Learning

1.what is Machine Learning?

Learning：通过观察获取技能(skill)

observation—> learning —>skill

Machine Learning：电脑通过数据获得技能(skill)

data—>ML—>skill(improve performace measure)

skill:增强某种表现,例如人脸识别的准确率等。

ML适合的场景: an alternative route to built complicated systems.
例如以下场景:

1. when  human cannot program the system manually -- navigating  on Mars
2. when human cannot define the solution esaily --speech /visual recognition
3. when needing rapid decisions that humans cannot do--high frequency trading
4. when needing to be user-oriented in a massive scale--consumer-targeted

总结起来ML三个关键:
1.有存在某些目标,隐藏规则(underling Pattern)
2.这些规则(Pattern)难以定义,不知如何写下来(如果知道就不用了)
3.有学习这个隐藏规则的数据(data).

课堂问题:

题意:下列哪些问题最适合机器学习解决.
分析:适合机器学习解决的问题主要包含以下特点:
a.存在某些目标,隐藏规则(underlying pattren)
b.这些规则难以定义.
c.有学习这个隐藏规则的数据

i.区分一个数是否为素数：错误，我们可以很简单写出素数的规则，只能被1或他本身整除
ii.确定信用卡是否被盗刷：正确，这是极其学习里面的异常点检测问题
iii.确定一个物体的落地时间：错误，这里有物理学公式，$h=0.5\ast g\ast t^2$
iv.确定拥挤路口交通信号灯的最佳循环：正确
v.确定某种药物的推荐服用者年龄：正确，可以通过聚类找出效果好的群
参考资料:
机器学习基石