1. 何為機器學習？
2. 歸納 induction
3. 演繹 deduction
4. 概念學習 concept learning
5. 布林概念學習 boolean concept learning
6. 假設空間 hypothesis space
依然西瓜來假設，其中 符號 「？」表示可以為任意值:
色澤 =
根蒂 =
敲聲 =
再考慮或許根本沒有「好瓜」這個概念，我們用∅
\emptyset
∅空集來表示。
那麼，不同西瓜的型別數有：444+1 = 65種。
那麼，包含可能的西瓜型別的集合，我們稱之為假設空間(hypothesis space)。
注意：只要包含可能的西瓜型別的集合就可以稱為假設空間，不一定非要包含所有可能。
7. 學習看作搜尋
書接上例：
我們已經知道了世界上有65種型別的瓜，我們最初的任務是找出其中的好瓜，現在任務變成了從這65種型別中搜尋出符合(fit)好瓜條件的型別。
搜尋的策略有很多，關於這個問題，請參見第二部分。
8. 版本空間 version space
書接上問：
第6問說到一共有65種西瓜型別，假設空間中的一部分型別可能與訓練集給出的所有西瓜型別相同，那麼這部分型別的集合，我們稱之為「版本空間」(version space)。
例如，只有一條資料的訓練集：是好瓜，假設空間的假設為，那麼版本空間就是假設空間的子集：
關於版本空間例子的詳細解釋：西瓜書（周志華）：什麼是版本空間以及如何求取版本空間
9. 歸納偏好 inductive bias
如果版本空間中有多個不同的假設，均與訓練集一致，但同樣的輸入資料可能導致不同的輸出結果 0/1。我們如何判斷使用哪個假設更好呢？
事實上每個模型都必定有各自的偏好來判斷瓜的好壞。這時候，選擇哪個模型，就需要看實際的任務需求來決定。
startio 的初體驗。。
對於在核心運用的程式而言，任何時候都可能有對個請求同時來到，我們應該怎麼樣去處理他們呢？或者是根據什麼樣的方法來處理他們呢？我想，當我們了解startio 後，我們會有乙個新的認識。對 irp 的處理 可以分成兩種 1 序列 2 並行 顯然，並行使不可取的，因為，如果那樣的話，派遣函式就會交織在一起...
ROS Cartographer的初體驗
前幾天google宣布開源了cartographer,所以趕緊過來體驗一把.本文介紹的是如何初步體驗google開源的cartographer.cartographer是乙個提供多平台和多感測器配置下完成2d和3d下的slam 實時地圖構建和定位 系統.同時google也提供了ros下的整合.關於什...
vue的初體驗
詳細看vue的官方文件。此處記錄純屬個人在使用中的一些小結 1 v text 操作元素的純文字，其簡寫形式 eg 簡寫為 2 v html 其作用和v text一樣，唯一的區別是瀏覽器會將v html的資料當成html標籤解析後輸出 3 繫結事件用 v on click 標誌，v on 可簡寫為 4...