机器学习基石笔记1——在何时可以使用机器学习（1）

标签：

1 The Learning Problem
1.1 Course Introduction
介绍课时设置。

1.2 What is Machine Learning

什么是机器学习？

类比人的学习：通过观察获得经验获得解决问题的技能。

机器的学习：通过大量数据获得经验（模型公式等）获得解决问题的技能（这些技能在是可以量化衡量，获得技能也就是在这些量化的指标上表现得有所提高）。

机器学习的本质

Tom M. Mitchell对机器学习的定义：
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

满足以下条件时，可以考虑使用机器学习来解决对应的问题：

1. 有可以学习的“潜在模式”，有规律可循。

2. 很难用数学或程序的方式准确定义。

3. 需要关于“模式”的有效输入数据。

做道题：

解答：

1.3 Applications of Machine Learning

机器学习的应用：机器学习早已应用于日常的衣食住行育乐。

做道题：

解答：

1.4 Components of Machine Learning

机器学习的组成元素：

其实输入应该是训练样本D和假设集合H。

组成元素之间的联系：

 目的：利用从综述X中抽取的样本数据D求得接近于目标函数f的假设g。f和g是X->y的映射。

做道题：

解答：

1.5 Machine Learning and Other Fields

机器学习与数据挖掘、人工智能和统计的联系。

机器学习与数据挖掘

机器学习与人工智能

机器学习与统计

做道题：

解答：

总结：

已参考：
http://my.oschina.net/findbill/blog/205449?fromerr=78IRXhs3

http://www.cnblogs.com/HappyAngel/p/3456762.html

未参考：

https://www.douban.com/note/319636155/

http://www.cnblogs.com/ymingjingr/p/4271742.html

机器学习基石笔记1——在何时可以使用机器学习（1）

标签：

原文地址：http://www.cnblogs.com/Deribs4/p/5326990.html