机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem( 三 )


g 到底长什么样
今天决定要不要发给客户信用卡 , 以下是一些可能的公式
h1:年收入有没有超过800000 , 超过就给
h2:负债超过100000给信用卡
h3:工作不满两年给他信用卡
将所有的可能h , 都放到g的集合中 , 并从集合中找到最有可能的结果
学习模型=算法+假说
机器学习的定义:从资料出发 , 机器学习算法要算出一个假说(hypothesis)g , 我们希望这个g要很接近我们最渴望的那个f 。
测试&答案
歌曲推荐
【机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem】
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
Machine Learning and Other Fields 与机器学习相关的领域有:

  • 数据挖掘(Data Mining) ——>从数据中挖掘一些有用的资料
  • 人工智能(Artificial Intelligence)——>计算一些东西并显示出很聪明的行为(比如AI下棋)
  • 统计(Statistics)——>使用数据做一些推论(比如硬币问题)
机器学习和数据挖掘 , 非常相像 , 有些地方还是一样 , 密不可分
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
机器学习是实现人工智能的一种方式
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
统计是实现机器学习的一种方法 , 统计更加关注使用数学理论来给出结果 , 很少关心计算的问题 。 统计学给机器学习提供了很多有用的工具 。
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
测试&答案
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
总结
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
本节课主要引入了机器学习的概念 , 机器学习实际上是从资料出发找到一个函数 , 然后找到的函数和我们最渴望的目标是很接近的 。 机器学习在很多地方都有应用 , 其核心 算法 , 数据(资料) , 假说(hypothesis)最后得到g 。
机器学习和数据挖掘、人工智能、统计这三个领域做个比较 , 和各个领域的关系 , 他们各自有各自的取向 。
参考资料:
https://www.bilibili.com/video/BV1Cx411i7op?p=1
https://blog.csdn.net/red_stone1/article/details/101303228
【end】
今晚8点 , 我们一起来看Sophon KG如何追寻新冠病毒轨迹 , 运用AI技术、工具建立相关知识图谱 , 通过确诊案例的亲属、同事和朋友的关系网找出密切接触者进行及时隔离 , 同时刻画出确诊案例的活动轨迹 , 找到其关系网之外的密切接触者及病毒可能的“行凶环境” 。
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图