Coursera机器学习基石笔记Week1

The Learning Problem

What is Machine learning？

machine learning：

improving some performance measure with experience computed from data。

Key Essence of Machine Learning

存在潜在因素可以学习

so performance measure can be improved
没有可编程的规则

所以需要机器学习
必须有数据

所以机器学习才可以有输入进行学习

Applications of Machine learning

可以应用在方方面面。通过数据导入进机器学习的模型，从而习得某个技能。

Components of Machine learning

上述就是一个大概的一个机器学习算法的流程。

但是很明显我们无法编码出我们要的target function。我们只能尽量模拟假说g去近似目标函数。

Machine Learning and Other Fields

机器学习和数据挖掘是密不可分的。

机器学习是实现人工智能的一种方式。

统计的一些工具方法可以用来实现机器学习。

Coursera机器学习基石笔记Week1相关推荐

机器学习基石笔记5——为什么机器可以学习（1）
转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html 目录机器学习基石笔记1--在何时可以使用机器学习(1) 机器学习基石笔记2--在何时 ...
1）机器学习基石笔记Lecture1:The Learning Problem
网上关于机器学习的课程有很多,其中最著名的是吴恩达老师的课程,最近又发现了NTU林轩田老师的<机器学习基石>课程,这门课也很好.课程总共分为4部分,总共分为16节课,今天来记录第一节课. ...
机器学习基石笔记（三）：学习的类型
文章目录 Lecture 3: Types of Learning Learning with Different Output Space $Y$ Fun Time Learning with Di ...
机器学习基石笔记（六）：泛化理论
文章目录 Lecture 6: Theory of Generalization Restriction of Break Point Fun Time Bounding Function: Basi ...
4）机器学习基石笔记 Lecture4：Feasibility of Learning
目录 1)Learning is Impossible 2)Probability to the Rescue 3)Connection to Learning 4)Connection to Rea ...
3）机器学习基石笔记 Lecture3：Types of Learning
目录 1)Learning with Different Output Space Y 2)Learning with Different Data Label 3)Learning with Dif ...
2）机器学习基石笔记Lecture2:Learning to Answer Yes/No
目录 0.上节回顾 1. Perceptron Hypothesis Set 2. Perceptron Learning Algorithm(PLA)(重点) 3. Guarantee of PLA ...
林轩田机器学习基石笔记6 - Theory of Generalization
Restriction of Break Point 四个成长函数与break point: 假设一个hypotheses,它的break point是2.那么当N=1的时候可以取到两个dichoto ...
林轩田机器学习基石笔记5 - Training versus Testing
Recap and Preview 机器学习流程图第一节课,介绍机器学习是要找到最好的g,使g≈f(目标函数),保证Eout(g)≈0.第二节课,找方法使Ein≈0,如PLA和pocket.第四节课 ...