本文探讨了机器学习的基本概念，包括符号学习与统计机器学习的区别，代数、概率和统计在机器学习中的角色，以及学习算法如何从数据中生成模型。讨论了模型、假设与真相的关系，介绍了噪声和奥卡姆剃刀原则，分析了深度学习兴起的原因。
第1章 绪论
符号学习--->统计机器学习
机器学习中代数一般是作为基础工具来使用
总结：出头露面的是概率和统计，埋头苦干的是代数和逻辑。
机器学习是关于在计算机上从数据中产生“模型”的算法，即学习算法。
学得模型对应了关于数据的某种潜在的规律，因此亦称“假设”。这种潜在规律的自身，则称为“真相”或“真实”。
噪声：噪声的概念 https://blog.youkuaiyun.com/u013007900/article/details/75538234
奥卡姆剃刀：https://www.jianshu.com/p/8e5a06c819f6
深度学习热的原因：数据大了，计算能力强了。
课后习题：参见https://blog.youkuaiyun.com/icefire_tyh/article/details/52064910
扫一扫
2264
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
