紅色石頭的個人網(wǎng)站：redstonewill.com

最近在看NTU林軒田的《機器學(xué)習(xí)基石》課程，個人感覺講的非常好。整個基石課程分成四個部分：

• When Can Machine Learn?

• Why Can Machine Learn?

• How Can Machine Learn?

• How Can Machine Learn Better?

每個部分由四節(jié)課組成，總共有16節(jié)課。那么，從這篇開始，我們將連續(xù)對這門課做課程筆記，共16篇，希望能對正在看這們課的童鞋有所幫助。下面開始第一節(jié)課的筆記：The Learning Problem。

一、What is Machine Learning

什么是“學(xué)習(xí)”？學(xué)習(xí)就是人類通過觀察、積累經(jīng)驗，掌握某項技能或能力。就好像我們從小學(xué)習(xí)識別字母、認(rèn)識漢字，就是學(xué)習(xí)的過程。而機器學(xué)習(xí)（Machine Learning），顧名思義，就是讓機器（計算機）也能向人類一樣，通過觀察大量的數(shù)據(jù)和訓(xùn)練，發(fā)現(xiàn)事物規(guī)律，獲得某種分析問題、解決問題的能力。

機器學(xué)習(xí)可以被定義為：Improving some performance measure with experence computed from data. 也就是機器從數(shù)據(jù)中總結(jié)經(jīng)驗，從數(shù)據(jù)中找出某種規(guī)律或者模型，并用它來解決實際問題。

什么情況下會使用機器學(xué)習(xí)來解決問題呢？其實，目前機器學(xué)習(xí)的應(yīng)用非常廣泛，基本上任何場合都能夠看到它的身影。其應(yīng)用場合大致可歸納為三個條件：

• 事物本身存在某種潛在規(guī)律

• 某些問題難以使用普通編程解決

• 有大量的數(shù)據(jù)樣本可供使用

二、Applications of Machine Learning

機器學(xué)習(xí)在我們的衣、食、住、行、教育、娛樂等各個方面都有著廣泛的應(yīng)用，我們的生活處處都離不開機器學(xué)習(xí)。比如，打開購物網(wǎng)站，網(wǎng)站就會給我們自動推薦我們可能會喜歡的商品；電影頻道會根據(jù)用戶的瀏覽記錄和觀影記錄，向不同用戶推薦他們可能喜歡的電影等等，到處都有機器學(xué)習(xí)的影子。

三、Components of Machine Learning

本系列的課程對機器學(xué)習(xí)問題有一些基本的術(shù)語需要注意一下：

• 輸入x

• 輸出y

• 目標(biāo)函數(shù)f，即最接近實際樣本分布的規(guī)律

• 訓(xùn)練樣本data

• 假設(shè)hypothesis，一個機器學(xué)習(xí)模型對應(yīng)了很多不同的hypothesis，通過演算法A，選擇一個最佳的hypothesis對應(yīng)的函數(shù)稱為矩g，g能最好地表示事物的內(nèi)在規(guī)律，也是我們最終想要得到的模型表達式。

實際中，機器學(xué)習(xí)的流程圖可以表示為：

對于理想的目標(biāo)函數(shù)f，我們是不知道的，我們手上拿到的是一些訓(xùn)練樣本D，假設(shè)是監(jiān)督式學(xué)習(xí)，其中有輸入x，也有輸出y。機器學(xué)習(xí)的過程，就是根據(jù)先驗知識選擇模型，該模型對應(yīng)的hypothesis set（用H表示），H中包含了許多不同的hypothesis，通過演算法A，在訓(xùn)練樣本D上進行訓(xùn)練，選擇出一個最好的hypothes，對應(yīng)的函數(shù)表達式g就是我們最終要求的。一般情況下，g能最接近目標(biāo)函數(shù)f，這樣，機器學(xué)習(xí)的整個流程就完成了。

四、Machine Learning and Other Fields

與機器學(xué)習(xí)相關(guān)的領(lǐng)域有：

• 數(shù)據(jù)挖掘（Data Mining）

• 人工智能（Artificial Intelligence）

• 統(tǒng)計（Statistics）

其實，機器學(xué)習(xí)與這三個領(lǐng)域是相通的，基本類似，但也不完全一樣。機器學(xué)習(xí)是這三個領(lǐng)域中的有力工具，而同時，這三個領(lǐng)域也是機器學(xué)習(xí)可以廣泛應(yīng)用的領(lǐng)域，總得來說，他們之間沒有十分明確的界線。

五、總結(jié)

本節(jié)課主要介紹了什么是機器學(xué)習(xí)，什么樣的場合下可以使用機器學(xué)習(xí)解決問題，然后用流程圖的形式展示了機器學(xué)習(xí)的整個過程，最后把機器學(xué)習(xí)和數(shù)據(jù)挖掘、人工智能、統(tǒng)計這三個領(lǐng)域做個比較。本節(jié)課的內(nèi)容主要是概述性的東西，比較簡單，所以筆記也相對比較簡略。

這里附上林軒田（Hsuan-Tien Lin）關(guān)于這門課的主頁：
http://www.csie.ntu.edu.tw/~htlin/

注明：

文章中所有的圖片均來自臺灣大學(xué)林軒田《機器學(xué)習(xí)基石》課程。

關(guān)注公眾號并輸入關(guān)鍵字“jspdf”獲得該筆記的pdf文件哦～

更多AI資源請關(guān)注公眾號：紅色石頭的機器學(xué)習(xí)之路（ID：redstonewill）

總結(jié)

以上是生活随笔為你收集整理的台湾大学林轩田机器学习基石课程学习笔记1 -- The Learning Problem的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。