机器学习基石-1-机器学习介绍

本节内容
What is Machine Learning？
What is skill?
Why use machine learning?
When use machine learning?
Key Essence of Machine Learning
Fun Time
Applications of Machine Learning
Components of Machine Learning
- 相关术语
- Leaning Flow (for Credit Approval)
Fun Time
Machine Learning and Other Fields
- 数据挖掘（Data Mining）
- 人工智能（Artificial Intelligence）
- 统计（Statistics）

本节内容

本节课主要介绍了什么是机器学习，什么样的场合下可以使用机器学习解决问题，然后用流程图的形式展示了机器学习的整个过程，最后把机器学习和数据挖掘、人工智能、统计这三个领域做个比较。

What is Machine Learning？

学习就是人类通过观察、积累经验，掌握某项技能或能力。就好像我们从小学习识别字母、认识汉字，就是学习的过程。

机器学习（Machine Learning），顾名思义，就是让机器（计算机）也能向人类一样，通过观察大量的数据和训练，发现事物规律，获得某种分析问题、解决问题的能力。

机器学习可以被定义为：Improving some performance measure with experence computed from data. 也就是机器从数据中总结经验，从数据中找出某种规律或者模型，并用它来解决实际问题。

What is skill?

Why use machine learning?

考虑编写一个应用：树木种类识别，如果实现编写一套判断树的代码，因为世界上树的种类太过繁多，可能需要很多工作量，并且在之后发现新树时，需要更新维护该代码，工作量很大且效果不好。

如果使用机器学习来实现树木种类识别，让机器先学习大量的数据（观察）得到经验后，树的识别效果可能更好。

When use machine learning?

什么情况下会使用机器学习来解决问题呢？其实，目前机器学习的应用非常广泛，基本上任何场合都能够看到它的身影。比如：

1 当人类没办法做一个复杂的系统，将所有的规律都写清楚。——比如机器人探测火星，没办法预测机器人在火星上会遇到什么情况，例如遇到坑，要怎么办，这就需要机器自己去学习怎么处理
2 没办法定义一个规则的时候——语音/可视化识别
3 人类无法快速进行决策的时候——股市交易
4 在大规模的数据下一个用户取向的问题——用户个性化的市场

Key Essence of Machine Learning

大致可归纳为三个条件：

1 事物本身存在某种潜在规律
2 某些问题难以使用普通编程解决
3 有大量的数据样本可供使用

Fun Time

Applications of Machine Learning

机器学习在我们的衣、食、住、行、教育、娱乐等各个方面都有着广泛的应用，我们的生活处处都离不开机器学习。比如，打开购物网站，网站就会给我们自动推荐我们可能会喜欢的商品；电影频道会根据用户的浏览记录和观影记录，向不同用户推荐他们可能喜欢的电影等等，到处都有机器学习的影子。

Components of Machine Learning

Metaphor Using Credit Approval

Leaning Flow (for Credit Approval)

对于理想的目标函数f，我们是不知道的，我们手上拿到的是一些训练样本D，假设是监督式学习，其中有输入x，也有输出y。机器学习的过程，就是根据先验知识选择模型，该模型对应的hypothesis set（用H表示），H中包含了许多不同的hypothesis，通过演算法A，在训练样本D上进行训练，选择出一个最好的hypothes，对应的函数表达式g就是我们最终要求的。一般情况下，g能最接近目标函数f，这样，机器学习的整个流程就完成了。

Fun Time

Machine Learning and Other Fields

与机器学习相关的领域有：

数据挖掘（Data Mining）

人工智能（Artificial Intelligence）

机器学习是实现人工智能的一种方式。

统计（Statistics）

其实，机器学习与这三个领域是相通的，基本类似，但也不完全一样。机器学习是这三个领域中的有力工具，而同时，这三个领域也是机器学习可以广泛应用的领域，总得来说，他们之间没有十分明确的界线。

【机器学习】机器学习基石-林轩田-1-机器学习介绍相关推荐

台大林轩田《机器学习基石》系列课程教材的习题更新完毕了
台湾大学林轩田老师的<机器学习基石>.<机器学习技法>课程由浅入深.内容全面,基本涵盖了机器学习领域的很多方面.其作为机器学习的入门和进阶资料非常适合.本站实现了课程教材的绝大 ...
【机器学习】机器学习基石-林轩田-2-Learning to Answer Yes_No
机器学习基石-林轩田-2-Learning to Answer Yes_No 本节内容引例 A Simple Hypothesis Set: Perceptron Perceptron Learni ...
【本站原创】台大林轩田《机器学习基石》系列课程教材的习题解答和实现
台湾大学林轩田老师的<机器学习基石>.<机器学习技法>课程由浅入深.内容全面,基本涵盖了机器学习领域的很多方面.其作为机器学习的入门和进阶资料非常适合.本站实现了课程教材的绝大 ...
首发：台大林轩田《机器学习基石》系列课程教材的习题解答和实现
台湾大学林轩田老师的<机器学习基石>.<机器学习技法>课程由浅入深.内容全面,基本涵盖了机器学习领域的很多方面.其作为机器学习的入门和进阶资料非常适合.本站实现了课程教材的绝大 ...
林轩田《机器学习基石》资源汇总（视频+学习笔记+书）
来源 | AI有道(公众号ID:redstonewill) ▌课程介绍台湾大学林轩田老师的<机器学习基石>课程由浅入深.内容全面,基本涵盖了机器学习领域的很多方面.其作为机器学习的入门和 ...
台湾大学林轩田教授机器学习基石课程理解及python实现----PLA
最近在班主任的带领下,开始观看台湾大学林轩田教授的机器学习基石课程,虽然吧,台湾人,汉语说得蛮6,但是还是听着怪怪的,不过内容非常值得刚刚入门的机器学习小白学习,话不多说,直接进入正题. 1.基本介 ...
假期福利 | 林轩田《机器学习基石》资源汇总
AI有道不可错过的AI技术公众号关注课程介绍台湾大学林轩田老师的<机器学习基石>课程由浅入深.内容全面,基本涵盖了机器学习领域的很多方面.其作为机器学习的入门和进阶资料非常适合.而 ...
台大林轩田《机器学习基石》习题解答和代码实现 | 【你值得拥有】
台湾大学林轩田老师的<机器学习基石>.<机器学习技法>课程由浅入深.内容全面,基本涵盖了机器学习领域的很多方面.其作为机器学习的入门和进阶资料非常适合.本站实现了课程教材的绝大 ...
林轩田之机器学习课程笔记（when can machines learn之learning problem）（32之1）
前言课程简介什么是机器学习为什么要用机器学习机器学习的应用机器学习的构成机器学习和其他领域的关系欢迎转载,可以关注博客:http://blog.csdn.net/cqy_chen 前言 ...
【林轩田】机器学习基石（七）——VC维
Lecture 7: VC Dimension VC维 ppt video 7.1 Definition of VC Dimension VC维的定义复习1 上节课,林教授讲到了,当样本NNN足够大 ...

【机器学习】机器学习基石-林轩田-1-机器学习介绍

机器学习基石-1-机器学习介绍

本节内容

What is Machine Learning？

What is skill?

Why use machine learning?

When use machine learning?

Key Essence of Machine Learning

Fun Time

Applications of Machine Learning

Components of Machine Learning

相关术语

Leaning Flow (for Credit Approval)

Fun Time

Machine Learning and Other Fields

数据挖掘（Data Mining）

人工智能（Artificial Intelligence）

统计（Statistics）

【机器学习】机器学习基石-林轩田-1-机器学习介绍相关推荐

最新文章

热门文章