ch1 绪论¶
1. 机器学习的应用背景¶
- 数据挖掘：借助历史数据帮助我们提升决策
- 商业智能：超市货架上物品的摆放位置
- 信用风险分析
- 个性化程序
- 垃圾邮件过滤
- 学习用户习惯
- 电子商务推荐、社交网络推荐
- 人无法做或不想做的事
- 模式识别：人脸识别、语音识别、手写识别
- 自动驾驶
- 搜索引擎：信息检索中的排名
2. 什么是机器学习¶
学习是系统的一种变化，使得之后做同样任务时更高效。
学习是构建或修改正在经历的事物的表征。
学习是在某项任务中积累经验以改进。
核心要素：任务（Task），经验（Experience），性能（Performance）
关键词：改变，构建或修改，改进
- 学习下棋
- T：下棋
- P：胜率
- E：与自己对弈，与大师对弈等
- 手写识别
- T：识别符号
- P：识别准确率
- E：找大量的手写字进行识别训练
3. 机器学习系统设计¶
设计步骤：
-
用什么经验数据？训练数据能否代表性能目标？要注意数据偏差，比如数据完整性，训练过程，特征选择。
-
学什么？最终目标还是近似目标？
-
如何表示？表示的精度和所需代价之间的平衡？
- 用什么算法进行学习？
- 如何评价学习结果？