【林轩田】机器学习基石(一)

本文通过对比人类学习过程,阐述了机器学习的基本概念及其应用场景,包括耗能预测、无人驾驶等。详细介绍了学习的构件,如输入x、输出y、理想化函数f与假设函数g,以及假设函数集H和学习算法A。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

接触机器学习一年多,并没有真正的理解其中的原理,突然决定从头开始,做一些简单的记录督促自己学习。关注了一个博主,因为他写的太好了,简洁儿深刻结构清晰,从中学习很多,大部分内容从中摘抄,学习内容总结方式逻辑结构,感激博主分享https://blog.youkuaiyun.com/sjz_hahalala479

Lecture 1 The Learning Problem

1.1 What is Machine Learning 什么是机器学习?

        以人为类比说明通过观察获取经验模式,再把模式套到新的事物上;机器学习同样也是,从数据中获取经验技巧,再利用经验技巧解决未知问题。

机器学习适用于场景:

  • 当人类不能手动地构建一个系统或者简单地定义一个“解决方法”时
  • 当需要快速的决策,但是人类的决策速度无法实现时
  • 当需要为数量很多的用户进行用户精准的服务时

总结:有些场景过于复杂(人类无法准确地定义),当场景又是有规律可循;或者当场景过于庞大,人类脑力无法计算完成。

1.2 Application Of Machine Learning 机器学习的应用

耗能预测、无人驾驶、推荐系统、线上教学系统

KDDCup 林老师还是蛮牛的,连续参加5年,都取得不错的成绩,哈哈哈哈,感激,好好学习。

1.3 Components Of Learning 学习的构件

       输入x,输出y,存在一个理想化函数把x,y对应起来,目标函数f为理想化的。

       而机器学习是近似模式,或者是一种假说hypothesis,称机器学习学习到的假设函数为g,机器学习的目标是使g越来越接近于f。D代表训练数据集。D={(x1,y1),(x2,y2),.....,(xn,yn)},共n个样本。

        g\in H = \left\{ h_1,h_2...h_n \right\}     H称为假设函数集,包含了好与不好的各种h(假设),如下图所示,

  • 其中机器学习算法用A表示
  • 假设空间或者叫做假设集合一般用H表示,它是包含各种各样的假设,其中包括好的假设和坏的假设,算法A从H这个集合中挑选出它认为最好的假设作为g

                       preview

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值