林轩田机器学习基石入门（三）
上一节我们主要向大家介绍我们身边机器学习的例子，这一节我们将探讨机器学习由什么元素组成（机器学习的模型结构）。
首先我们先看个信用卡的例子。
假设我们想用机器学习来判断“是否同意贷款给这个客户？”，我们会将用户的信息数据输给模型（比如年龄，性别，职业，工龄，是否为该市久住居民，欠款信息，年薪，资产等），然后通过模型给出判断（这些动作其实和人工判断相差不大）。
而我们发现大多机器学习模型都是相似的步骤（数据->模型->技能），于是我们想能否标准化学习模型以便我们学习。
于是我们将输入的一条具体数据化为x;而是否批准贷款设为y;理想中的目标函数化为f；我们模型得出的技能则设为g；而其中g属于H。下面我们用详细图示给出解释。
于是整理简化后得出下图的模型。
上面两张图详细给出了关于f,g和H解释，下面我们来看看全部整合后的模型长什么样。
因此我们也可以得出机器学习在实际应用中的定义：使用数据去计算出假设g，而其中我们想要的g和理想f接近。
关注我们 | 获取更多系统性学习文章|从零开始