1 机器学习概述

1.1 什么是机器学习

机器学习：一个程序被认为能从经验E中学习，解决任务T，并达到性能指标P

机器学习 = 模型 (Representation) + 策略 (Evaluation) + 算法 (Optimization)

• Representation：建模，将实际问题转化成计算机可以理解的问题
  • 如对于分类问题：希望找到一个映射，将输入空间投影到输出空间，这样的映射的集合被称为假设空间。我们是在这样的假设空间中寻找满足具体问题的一个映射。
• Evaluation：判断已建好的模型的优劣，需要设计评价指标和评价函数
• Optimization：找到评价最高的模型

学科关系

1.2 机器学习的完整过程

学习问题的标准描述：对某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，我们称这个计算机程序在从经验E中学习

• 任务种类T
• 衡量任务提高的标准P
• 经验来源E

一般应用实现步骤：

1. 将现实问题抽象为数学问题
2. 数据准备
3. 选择或创建模型