深入理解机器学习---从原理到算法 引言及简易入门

1.为什么需要机器学习？机器学习的分类

过于复杂的任务  适应性

监督学习和无监督学习   主动学习被动学习  老师的帮助

2.一般模型

①学习器的输入：领域 标签 训练数据

②输出：

训练集中的数据如何产生：首先依据概率分布D产生数据，然后利用正确的指示函数给出其标签（）假设正确的指示函数存在。

衡量成功：

3.训练误差

4.如何解决ERM下的过拟合情况（在受限的搜索空间下）

对于有限类H，ERM（h）将不会发生过拟合，前提是具有足够多的训练样本。

5.可实现性假设：