机器学习–课程笔记–01
2013-03-02 22:59
204 查看
Introduction
推荐书目
Tom. M. Mitchell -- Machine LearningMitchell是machine learning的开创者
全书偏向理论,基本的方法。
Bishop -- Pattern Recognition and Machine Learning
基于贝叶斯理论,统计学
Trevor Hastie -- The elements of statistical learning: Data Ming,inference and prediction
频率主义,统计学
Russell -- Aritificial Intelligence : A Modern Approach
从AI的侧面介绍一小部分ML
Aplaydin -- Introduction to Machine Learning
内容简单精炼,观点正确丰富
坑爹呢,下了看了看400多页,这居然是最简单的书
李航 -- 统计学方法
Mohri -- Foundations of Machine Learning
偏向理论,可以知道所以然
学科概述
什么可以成为学科?
可以成为体系的东西,具有一系列:方法
理论
工具
机器学习的缘起
是AI和计算科学的分支
比较好的期刊
Machine LearningJournal of Machine Learning Research
This is free!
定义
机器学习是研究智能体的:增长知识
提高性能
学习学习
的一般原理和计算模型的学科。
使用计算模型来表示机器学习的方法和结果
什么叫学习
学习是一种递归的概念,是一种广泛存在于自然界的现象,普遍,普通。学无止境
Meta-learning 元学习,学习学习的方法
理论创新 -- 滴水穿石都可以是学习
增长知识
知道了原来所不知道的东西。
回归问题拟合
例如给出离散的数列对f[x],其中x∈{x0,x1,...,x
n},将这个f[x]拟合成函数f^(x),那么对于一个新的x∉{x0,x1,...,xn},这个新的f^(x)就是新的知识,这就达到了增长知识的目的。
提高性能
如上图所示,为一个产生式系统。对于一种特征,某一种结果r发生的概率是p,那对于存储知识库的硬件来说,将概率越大的结果放到更容易访问的空间,便可以更快速的访问,达到提高性能的作用。
学习学习
还是和上图中的产生式系统一样,其推断引擎最为复杂,那么可以使用一个新的产生式系统实现这个产生式系统的推理引擎。
学习元规则的过程,mata-learning
机器学习的一般结构
机器学习和CS的关系
改变了计算机交互的范型paradigm,从之前的Human--> Computer, 到Human --> ML --> Computer
机器学习和人工智能的关系
有关系,但是究竟是ML⊂AI还是AI⊂ML目前没有定论
ML的分类方式
知识表示应用领域
学习策略
映射类型
反馈类型
Supervised
unsupervised
reinforcement
semi-supervised
机器学习的基本问题
可学习型用命题逻辑表示数域里的问题,是不可能的
必须有多项式复杂度
可行性
可计算的
有效的
可靠的不能不可控
适用性
是否一定要机器学习?
灵活稳健ML和可靠有效Non−ML的抉择
是否存在通用的学习器
任何问题都存在最优的学习器,任何学习器有最优的问题。所以,看论文的时候,实验数据往往是给定了的。:)
三个ML的教训
Rashomon好模型的多样性
Occam简单性和精确性的冲突
Bellman维数灾难
欠拟合和过拟合的问题。
训练的多了容易把样本中不是特征的东西也学习过来
ML的理论基础
数学统计学
信息论
计算理论
---------------------
欢迎关注我的新浪微博@TJUReyoung, 欢迎访问我的博客。
相关文章推荐
- Coursera台大机器学习技法课程笔记01-linear hard SVM
- Coursera台大机器学习基础课程学习笔记2 -- 机器学习的分类
- 吴恩达Coursera机器学习课程笔记-单变量线性回归
- 台大林轩田机器学习课程笔记1----机器学习初探及PLA算法
- 斯坦福大学公开课 :机器学习课程笔记-[第1集] 机器学习的动机与应用
- (斯坦福机器学习课程笔记)正则化和机器学习应用的建议
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之一 :课程简介
- 机器学习笔记01-介绍(introduction)
- 机器学习技法课程学习笔记7 -- Blending and Bagging
- 斯坦福机器学习在线课程笔记
- 机器学习速成课程笔记4:降低损失 (Reducing Loss)
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 7——支持向量机
- 机器学习技法课程学习笔记8 -- Adaptive Boosting
- Andrew Ng《机器学习》视频课程笔记 - 2(Introduction)
- 台湾大学林轩田机器学习技法课程学习笔记12 -- Neural Network
- Coursera台大机器学习课程笔记4 -- Training versus Testing
- 图像处理、分析、识别、应用的课程笔记,PPT/PDF课件,计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI 分析、运动和追踪等在线视频教程
- 台大林轩田机器学习课程笔记2----机器学习的分类
- Stanford机器学习课程笔记——SVM
- 【课程笔记】机器学习课程DrSu