Machine Learning Course-CS 156 笔记 1
Lecture 1 :The Learning Problem
视频地址:https://www.youtube.com/watch?v=mbyG85GZ0PI
示例
预测用户对电影的评分
机器学习的本质：
- 存在pattern
- 不能用数学方法完成(所以需要学习)
- 拥有数据
学习的组成部分
比喻：银行借贷的信用评价
申请人信息：
| 年龄 | 性别 | 年薪 | 定居时间 | 债务 | … |
|---|---|---|---|---|---|
| 23岁 | 男 | $30000 | 1年 | $15000 | … |
公式化：
- 输入：
x (客户信息) - 输出：
y (客户好/坏) - 目标函数：
f:X→Y (理想的信用评估公式)
所有机器学习问题里，目标函数是未知的 -
数据：
(x1,y1),(x2,y2),...,(xN,yN) (历史数据)↓↓↓ - 假设：
g:X→Y (将使用的公式)
解决部分：
假设集合
H={h}g∈H 学习算法
二者在一起成为了算法模型
一个简单的学习算法——感知机PLA:
对于输入
线性公式
改写为：
引入
向量形式：
对于一个误分类点，即
学习的分类
学习的基本前提：
using a set of observations to uncover an underlying process
- 监督学习(input,correct output)
- 非监督学习(input,?)
- 强化学习(input, some output,grade for this output)