全部筆記的彙總貼：《機器學習》西瓜書-讀書筆記彙總貼
機器學習致力於研究如何通過計算的手段，利用經驗來改善系統自身的效能的學科。
資料集：對單個樣本特徵進行描述的記錄集合。每條記錄時關於乙個事件或物件的描述，稱為「示例」或「樣本」，反映事件或物件在某方面的表現或性質的事項稱為「屬性」或「特徵」。
…（發現這塊兒也沒啥好說的，這些概念用多了就能明白在說啥，實在不懂就看看書吧）
歸納（induction）與演繹（deduction）是科學推理的兩大基本手段。前者是從特殊到一般的 「 泛化 」 generalization）過程，即從具體的事實歸結出一般性規律；後者則是從一般到特殊的 「特化」 （specialization）過程，即從基礎原理推演出具體狀況。
我們可以把學習過程看作乙個在所有假設（hypothesis）組成的空間中進行搜尋的過程，搜尋目標是找到與訓練集 「 匹配」 （fit）的假設，即能夠將訓練集中判斷正確的假設。
對於乙個具體的演算法，我們需要選擇乙個模型，這個時候我們選擇的演算法偏好就會起到關鍵的作用。任何乙個有效的機器學習演算法必有其歸納偏好，否則它將被假設空間中看似在訓練集上 「等效」 的假設所迷惑，而無法產生確定的學習結果。
「奧卡姆剃刀」 （occam』s razor）是一種常用的、 自然科學研究中最基本的原則，即 「若有多個假設與觀察一致，則選最簡單的那個 」 。有利於降低過擬合帶來的模型在訓練集上的效果優於測試集。
資料探勘：發現資料之間的關係
計算機視覺：像人一樣看懂世界
自然語言處理：像人一樣看懂文字
機械人決策：像人一樣具有決策能力
其他的看看課本，擴充套件閱讀一下…
下一章傳送門：西瓜書讀書筆記（二）-模型評估與選擇
機器學習 西瓜書（筆記一） 緒論
在機器學習中常見的基本術語包含 資料集 屬性值 屬性空間 特徵向量 訓練集 測試集等等，各自的英文表示在思維導圖中有提及。假設空間主要提及了兩種方法 歸納法和演繹法。歸納法是從特殊到一般的 泛化 演繹法是從一般到特殊的 特化 歸納偏好指的是總誤差是與學習演算法無關的，任意兩種演算法的誤差都相等。說到...
機器學習（西瓜書） 緒論筆記
正如我們根據過去的經驗來判斷明天的天氣，吃貨們希望從購買經驗中挑選乙個好瓜，那能不能讓計算機幫助人類來實現這個呢？機器學習正是這樣的一門學科，人的 經驗 對應計算機中的 資料 讓計算機來學習這些經驗資料，生成乙個演算法模型，在面對新的情況中，計算機便能作出有效的判斷，這便是機器學習。另一本經典教材的...
西瓜書讀書筆記（三） 線性模型
全部筆記的彙總貼 機器學習 西瓜書 讀書筆記彙總貼 線性模型 linear model 試圖學得乙個通過屬性的線性組合來進行 的函式，我們一般用向量的形式來表示，f x wt x bf x w tx b f x w tx b 因為w ww直觀地表達了各屬性在 中地重要性，因此線性模型有很好地可解釋性...