機器學習 緒論

機器學習所研究的主要內容就是從資料中產生模型，也就是學習演算法，給學習演算法提供經驗資料，基於這些資料訓練出新模型，在面對新的情況時，該模型會給我們提供相應的判斷。即從資料中產生模型，由模型作出相應的判斷和**。

基本術語：

（1）資料集

（2）示例/樣本

（3）屬性

（4）屬性空間/樣本空間

（5）特徵向量

（6）維數

（7）標記

（8）樣例

（9）回歸：**的是連續值

（10）分類：**的是離散值

（11）學習/訓練：從資料中學得模型的過程

（12）監督學習：訓練資料擁有標記資訊的學習過程

（13）無監督學習：訓練資料沒有標記資訊的學習過程

（14）歸納：從特殊到一般的泛化過程

（15）演繹：從一般到特殊的特化過程

（16）假設空間：所有假設組成的空間，包含所有屬性的所有可能取值

（17）版本空間：從假設空間中，根據所提供的資料集刪除不一致的假設結果後剩下的假設集合

（18）歸納偏好：機器學習演算法在學習過程中對某種型別假設的偏好，任何乙個有效的機器學習演算法必有其歸納偏好

（19）奧卡姆剃刀：若有多個假設與觀察一致，則選擇最簡單的那個

（20）nfl定理：對於同乙個問題，無論學習演算法a多聰明，學習演算法b多笨拙，他們的期望效能相同。nfl定理意在讓我們清楚的認識到，脫離具體問題空談什麼演算法更好，毫無意義。

機器學習 緒論

機器學習是通過計算的手段，利用經驗來改善系統自身的效能。在計算機的世界裡就是由計算機從資料中產生模型的演算法。個人理解 機器學習是對某一物件提取其特徵，大量物件特徵的提取，組成乙個樣本集，找出特徵和我們關注結果之間的聯絡，該聯絡由計算機學習或訓練得到。再給乙個物件的作為輸出，我們通過該聯絡能夠得出正...

機器學習 緒論

1.1引言 喧鬧的教室突然變得鴉雀無聲，沒有抬頭的你第一反應就是老闆進了教室，趕緊就收起了手裡的手機。結果抬頭一看，老闆果真進來了 或者有時候抬頭一看，什麼也沒有，大家哈哈一笑。為什麼？為什麼你沒抬頭看就想到會是老闆進來了？因為你以前有過相同或者相似的經歷，也就是 經驗 所以你再一次經歷的時候，會根...

《機器學習》之 緒論

學習的定義 對於某類任務t和效能度量p,如果乙個電腦程式在t上以p衡量的效能隨著經驗e而自我完善，那麼我們稱這個電腦程式在從經驗e中學習。設計乙個學習系統 選取訓練經驗的型別，關鍵屬性是訓練經驗能否為系統的決策提供直接或間接的反饋 學習器可以在多大的程度上控制訓練樣例序列 訓練樣例的分布能多好地表示...