『机器学习——周志华』学习笔记——第一章
2016-05-24 23:37
330 查看
1、机器学习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。同时 Mitchell(1997) 给出了一个更形式化的定义:假设用 P 来评估计算机程序在某任务类 T 上的性能,若一个程序通过利用经验 E 在 T 中任务上获得了性能改善,则我们就说关于 T 和 P,该程序对 E 进行了学习。
2、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”。
3、本书用“模型”泛指从数据中学得的结果,有文献用“模型”指全局性结果(例如一棵决策树),而用“模式”指局部性结果(例如一条规则)。
4、从数据中学得模型的过程称为“学习”(learning)或“训练”(training),这个过程通过执行某个学习算法来完成。
5、若预测的值是离散值则此类学习任务被称为“分类”;若预测的是连续值则此类学习任务称为“回归”;对只涉及两个类别的“二分类”任务,通常称其中一个类为“正类”,另一个类为“反类”;涉及多个类别时,则称为“多分类”任务。
6、根据训练数据是否拥有标记信息,学习任务可大致划分为两大类:“监督学习” 和 “无监督学习”,分类和回归是前者的代表,而聚类则是后者的代表。
7、学得模型适用于新样本的能力,称为“泛化”(generalization)能力
8、侠义的归纳学习要求从训练数据中学得概念(concept), 因此被称为“概念学习”或“概念形成”
9、机器学习算法在学习过程中对某种类型假设的偏好,称为“归纳偏好”(inductive bias)或简称为“偏好”
10、任何一个有效的机器学习算法必有其归纳偏好
11、
2、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”。
3、本书用“模型”泛指从数据中学得的结果,有文献用“模型”指全局性结果(例如一棵决策树),而用“模式”指局部性结果(例如一条规则)。
4、从数据中学得模型的过程称为“学习”(learning)或“训练”(training),这个过程通过执行某个学习算法来完成。
5、若预测的值是离散值则此类学习任务被称为“分类”;若预测的是连续值则此类学习任务称为“回归”;对只涉及两个类别的“二分类”任务,通常称其中一个类为“正类”,另一个类为“反类”;涉及多个类别时,则称为“多分类”任务。
6、根据训练数据是否拥有标记信息,学习任务可大致划分为两大类:“监督学习” 和 “无监督学习”,分类和回归是前者的代表,而聚类则是后者的代表。
7、学得模型适用于新样本的能力,称为“泛化”(generalization)能力
8、侠义的归纳学习要求从训练数据中学得概念(concept), 因此被称为“概念学习”或“概念形成”
9、机器学习算法在学习过程中对某种类型假设的偏好,称为“归纳偏好”(inductive bias)或简称为“偏好”
10、任何一个有效的机器学习算法必有其归纳偏好
11、
相关文章推荐
- Android按返回键退出程序
- hdu 5045 状压dp
- # 'tools.jar'seems to be not in Studio classpath Please ensure JAVA_HOME points to JDK rather than J
- 《Linux内核分析》实践2
- 调用百度地图API出现 error inflating class com.baidu.mapapi.map.mapview
- 谈什么情况下C++编译器会自动生成default constructor
- poj_3669_广度优先搜索
- 第7课:Spark Streaming源码解读之JobScheduler内幕实现和深度思考
- printf()输出缓存问题
- [C++]初识google test--单元测试神器
- 关于OptiStruct提问的一些建议
- 【转载】3D/2D中的D3DXMatrixPerspectiveFovLH和D3DXMatrixOrthoLH投影函数详解
- 团队计划第二期Backlog
- 网吧问题_双网卡
- Android Screen Monitor真机抓屏教程
- Express+mysql的博客(1)
- C++实验—6矩阵求和
- C++第六次实验
- 微信6.0界面实现难点
- 5-38 数列求和-加强版 (20分)