博主在4月学完西瓜书时，一头雾水，觉得还是一知半解。9月开学后上完了必修的《machine learning》课程，并且自己编程实现了多种机器学习算法和论文复现后，才对机器学习有一点了解，现在再次翻阅西瓜书，很多知识点看到都豁然开朗。所以出这一系列文章，对机器学习进行回顾，总结和记录！为大家揭开机器学习的神秘面纱！

1、引言

我想大家肯定都听过机器学习，作为开场，我们先来了解一下什么是机器学习。

我们人都会根据乌云密布判断今天可能会下雨，今天天气冷要多穿衣服，买西瓜时候会敲敲瓜看看是否浊响，这些都是依据我们自己的生活经验。那么我们能否用计算机来实现上面的过程？

机器学习正是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“机器学习算法”。

斯坦福大学人工智能教授吴恩达的总结更加简介：

机器学习就是我们获得一些数据，通过计算机建立模型，然后处理新的数据的。

2、基本术语

学习一门学科，专业术语肯定要说对，这是最基本的。

我们先收集一批关于西瓜的数据，例如下面的这些记录，“=”的意思是“取值为”
![在这里插入图片描述](https://img-blog.csdnimg.cn/501eb0bae4bf412c95262a9803ca1e55.png!
数据集：这组记录的集合我们称为一个数据集。
样本：其中每条记录是关于1个事件/对象的描述，也就是每条记录称为1个样本。
属性：像“色泽”、“根蒂”、“敲声”这些描述事件或对象性质的条目称为“特征”，或者“属性”。
属性值：属性上的取值也就叫属性值，比如“浅白”。
样本空间：属性长成的空间，例如这里，我们把色泽、根蒂和敲声三个属性作为三个坐标轴，那就张成了一个用于描述西瓜的三维空间。每个西瓜（样本）都可以找到一个点和自己对应，这样一个样本其实也叫做一个“特征向量”。

训练：从数据中获得模型的过程称为“训练”，这个过程提供执行某个机器学习算法（逻辑回归等等）来实现。
训练过程中使用的数据称为“训练数据”，其中每个样本称为“训练样本”，“训练样本”组成的集合称为“训练集”。学习的过程就是将机器每次对事物的假设（hypothesis）和我们的真实（ground-truth）无限逼近。

这里有关于样本的结果的信息，例如“好瓜”就称为“标记”（label），拥有了标记的样本（sample）称为样例（example）。

分类：如果我们预测的是离散值，比如“好瓜”、“坏瓜”，此学习称为分类。
回归：如果我们预测的是连续值，比如西瓜成熟度0.95、0.36，此学习任务称为回归。

二分类：只涉及两个类别的分类任务，其中一个类为正类，另一个为反类，输出一般为{-1，+1}或{0,1}。
多分类：涉及多个类别的分类任务，输出空间一般|y|>2。

测试：学得模型后使用它进行预测的过程，被测试的样本称为“测试样本”（因为测试样本不包含标签）。

根据训练数据是否拥有标记信息，学习任务大致分为两类：

• 监督学习：分类和回归，也就是有导师学习，带着你学。
• 无监督学习：聚类，也就是无导师学习，简称自学。

3、假设空间

归纳是从特殊到一般的“泛化”，演绎是从一般到特殊的“特化”。
从样例中学习，显然是一个归纳的过程，因此机器学习也称归纳学习。

一个西瓜数据集就应该长这样，X1、X2、X3就是输入特征，Y就是标记：

如果只是记住训练样本，不能对新样本进行判断和预测，就叫机械学习。
而我们机器学习不仅是记住，而且还能判断和预测。

4、归纳偏好

机器学习算法在学习过程中会对某种类型假设的偏好，称为“归纳偏好”。简单来理解就是，每个特征对应的权重不同，比如我给色泽设定的权重是0.5，给根蒂设定的权重是0.1，给敲声设定的权重是0.8，那么Y=0.5X1+0.1X2+0.8*X3+b，这里b是常量，代表偏置值，那么X3几乎决定了Y的值。

奥卡姆剃刀：多个假设与观察一致时，选最简单的那个。并且机器学习中，我们认为“更平滑”意味着“更简单”。
“没有免费的午餐”定理：无论学习算法a有多么聪明，学习算法b多么笨拙，它们（对于所有样例）的数学期望都是相同的。

5、发展历程

《机器学习》二刷超详细笔记| 第一章 绪论相关推荐

1. 西瓜书(机器学习 周志华)读书笔记--第一章 绪论

   1.1 引言 略 1.2 基本术语 1.2.1 数据集相关的基本概念 假定我们收集了一批关于西瓜的数据,例如(色泽=青绿;根蒂=蜷缩;敲声=浊响), (色泽=乌黑;根蒂=稍蜷;敲声=沉闷), (色泽= ...

2. 小吴的《机器学习 周志华》学习笔记 第一章 绪论

   小吴的<机器学习 周志华>学习笔记 第一章 绪论 近一年时间接触到不少机器学习的知识,虽然断断续续学了一些,总感觉还没有入门(只学会了疯狂调包).因此,最近开始系统学习Machine Le ...

3. 机器学习-周志华-学习记录-第一章绪论

   文章目录 绪论 一.什么是机器学习 二.基本术语 三.假设空间 四.归纳偏好 总结 参考链接 绪论 为了更早地适应研究生的生活,我决定重新学习周志华老师的机器学习这本书.同时也为了能够养成博客记录的习 ...

4. 【机器学习】周志华 读书笔记 第一章 绪论

   1..什么是机器学习? 引言部分关于各种情景,是基于经验做出的的预判,机器学习的本质任务是预测. 特征 学习经验          =>从而做出有效的决策 def:① 机器学习是一门学科, ②  ...

5. 《机器学习》 周志华学习笔记第一章 绪论（课后习题）

   最近需要学习机器学习,有一点点基础但是很少,希望能通过写博客的方式和大家交流以及学习达到共同进步的目的. 绪论 : 一.内容 1.基本术语 2.假设空间与版本空间 3.归纳偏好(常用的有奥卡姆剃刀) ...

6. 玩转二算法课的笔记-第一章

   1 问题:对一组数据进行排序 回答:快速排序算法o(NLOGN),错误. 关键词:思考 应该问面试官,这组数据有什么样的特征? 比如;有没有可能包含大量重复的元素? 如果有这个可能的话,=三路快排是更 ...

7. 【数据结构与算法】学习笔记——第一章 绪论1

   ✔前言: 新的专栏开启啦. 持续更新~ 关注我,我们一起学习

8. 西瓜书读书笔记整理（二）—— 第一章 绪论

   第一章 绪论 第一章 绪论 1.1 引言 1. 什么是机器学习 2. 机器学习的主要内容 3. 模型与模式 1.2 基本术语 1. 数据集 / 训练集 / 验证集 / 测试集 2. 示例 / 样本 3 ...

9. 学习javascript这一篇就够了超详细笔记（建议收藏）上

   学习javascript这一篇就够了超详细笔记(建议收藏)上 1.初识 计算机基础导读 编程语言 计算机基础 初识js 浏览器执行 js组成 js初体验-三种书写位置 js注释 js输入输出语句 2. ...

最新文章

1. 7-4 BCD解密（C语言）
2. CentOS7编译安装mysql-5.6.28和编译参数
3. Hive表路径修改和分区表数据加载命令
4. ArcGIS几种数据格式2
5. 腾讯正式开源图计算框架Plato，十亿级节点图计算进入分钟级时代
6. SAP Spartacus初始化时和user token相关的APP INITIALIZER
7. python3 os_Python3 标准库:os
8. (王道408考研数据结构)第五章树-第四节2：平衡二叉树(AVL)及其旋转
9. asp.net页面事件：顺序与回传
10. 尚学堂java培训_送给 Java 自学者或者初学者的最全知识清单，2020 年 Java 就该这么学...
11. 韩信点兵php,说说大脑的“同时性信息加工功能”
12. 第2章企业管理中的经济学原理
13. jQuery WeUI学习笔记一
14. 八种常规常用的SQL查询语句
15. 蚂蚁金服前端实习生二面面经
16. web开发html如何把图片居中,css中怎么让img图片居中
17. UI设计从业者，怎样才能成为月薪过万的UI设计师？
18. STM32L051 低功耗模式和踩坑随笔（自用）
19. mysql 1813_ERROR 1813 (HY000) at line 404: Tablespace for table '`xxx`.`xxxxx`' exists.
20. 使用mybatis-plus批量插入遇到的两个问题记录

热门文章

1. 计算机桌面变色怎么办,电脑屏幕变色了怎么办
2. python钉钉机器人发送excel附件_Python自动化办公|如何在钉钉上自动发送定制消息或通知给同事...
3. mysql更新一条语句_讲讲一条MySQL更新语句是怎么执行的？
4. 【Linux】文件描述符与重定向
5. php7新特性的理解和比较
6. IIS 常见异常及解决办法
7. 贝塞尔曲线初识 (数学)
8. 线程池——JAVA并发编程指南
9. 每日英语：Electronics Develop A Sixth Sense
10. 处理顶点——通过切线空间的凹凸映射添加逐像素细节