本系列文章为林軒田老师機器學習基石上课程学习笔记,见详细课件。
也就是要依次回答:何时可以用机器学习?为何可以机器学习?怎样机器学习?怎样更好地机器学习?构建一幅大Picture!
首先有机器学习不同侧面的定义:
that approximates target
Key Essence of Machine Learning:
思考机器学习的这三个key essence,界定遇到的问题是否可用机器学习方法解决。
以下是一些典型的应用场景:
首先明确其中五个元素:
最终机器学习Formulation为:
利用target function生成的training examples数据,通过learning algorithm从hypothesis set里找出
使其尽可能接近target function
.
从上面可以看出一个假设,就是训练数据集
是从target function来的,为保证学习效果,
需要足够representative。