用大概五天時間基本完成了機器學習基石lecture2部分的學習（中間有一段時間耽誤了），總體來說感覺還是比較輕鬆的，整個lecture2的知識點如下：
2-1 介紹了ml過程中的一些基本符號，並且引入了乙個銀行發信用卡的例子，從這個例子出發引進了linear classifier的概念；
2-2 介紹了pla，pla是一種能夠從自身的錯誤中感知並改進自身的演算法；
2-3 從數學角度上證明了pla的正確性，並指出了pla能夠正常工作的條件；
2-4 指明了pla不能夠halt的情況，並且提出了一種能夠替代pla可能得到最佳假設g的一種pocket algorithm。
本章中遺留的問題如下：
1、在2-3中：
最後的那個式子如何推導？如何求出constant的值？
2、在2-4中使用pocket algorithm時如何比較高效地確定迭代次數？
機器學習基石HOW BETTER部分 2
標籤 機器學習基石 minimizes augmented error,where the added regularizer effectively limits model complexity 主要思想 將假設函式從高次多項式降至低次。發生overfitting的乙個重要原因可能是假設過於複雜...
機器學習基石（6）
希望m最終能取代m 假設集大小 到底m會不會漲的很慢？假設的數量不會太多？如果長得很慢，能不能取代掉原來的m？mh成長函式 到底這個假設集，在n個點上，到底能產生多少種dichotomies？如果是positive rays，在n 2時候就露出破綻，不能產生那種情形 如果是positive inte...
機器學習基石 學習型別
二分類 多分類回歸 結構化學習 nlp領域相關 無監督學習 半監督學習 有監督學習 增強學習 沒有真實的輸出y，根據模型的輸出反饋，如果反饋結果良好，更接近真實輸出，就給其正向激勵，如果反饋結果不好，偏離真實輸出，就給其反向激勵。batch learning online learning acti...