When Can Machines Learn?
先放個(gè)summary : )
1.Course Instruction
2.What is Machine Learning
1>機(jī)器學(xué)習(xí)的概念
總的來說就是給機(jī)器位一些資料表牢，根據(jù)資料'學(xué)習(xí)'，然后會(huì)某些技能，這個(gè)技能可能是做判斷題棍矛，選擇題……
2>key essence of ML
當(dāng)思考一個(gè)問題是否適合用機(jī)器學(xué)習(xí)來解決時(shí)逻杖，可以從3個(gè)方面來考慮:
1.存在潛在的模式去學(xué)習(xí)
（肯定要有學(xué)習(xí)的可能性）
2.但是呢怔球，現(xiàn)在并沒有公式呀之類的去定義它
（都有公式了倔矾，為啥作死用機(jī)器學(xué)習(xí)呢:D）
3.世界上現(xiàn)存資料供學(xué)習(xí)
（無法解決未知領(lǐng)域呢）
3.Applications of ML
everywhere :D
4.Components of ML
1.定義一些符號(hào) x,y,f,D,g
x:輸入的資料上的點(diǎn)
y:我們希望得到的結(jié)果（例如判斷題可以得到bad/good）
f:x->y (理想中我們希望找到的公式）
D:data 資料他去，由(x,y)構(gòu)成
g:最后學(xué)習(xí)到的公式
圖示：
總的來說毙驯，可以理解為我們想要知道f，然后喂給機(jī)器D（由x,y構(gòu)成）灾测，希望得到的個(gè)g與f越接近越好爆价。
2.學(xué)習(xí)模型
H : 所有可能結(jié)果的集合（g只是其中一個(gè)h，ML的目標(biāo)就是要找到最好的h）
A : Algorithm 算法，是判定g是不是best的算法
由上面的基礎(chǔ)給出Machine Learning的定義:
use data to compute hypothesis g that approximates target t.
5.ML and other fields
1.ML和數(shù)據(jù)挖掘
如果DM要找的特性和ML的h是一樣的铭段，那么可以說ML和DM是一樣了
如果DM要找的特性與ML的h有關(guān)骤宣，那么二者是互相幫助的
傳統(tǒng)的DM更在意高效的計(jì)算
2.ML和人工智能
ML是AI的一個(gè)分支，是實(shí)現(xiàn)AI的一種途徑
3.ML和統(tǒng)計(jì)學(xué)
統(tǒng)計(jì)學(xué)可以提供很多工具給機(jī)器學(xué)習(xí)
傳統(tǒng)的統(tǒng)計(jì)學(xué)是建立在數(shù)學(xué)假設(shè)上的推論序愚，并且不太在意計(jì)算過程
6.summary
以上:D
注明:以上圖片都來自Cousera臺(tái)大林軒田老師的《機(jī)器學(xué)習(xí)基石》哦 QwQ
