Machine Learning Foundations(机器学习基石)笔记 第一节

第一课时：什么是机器学习？

learning:acquiring skill

说白了就是从观察中积累经验的过程。

machine learning:acquiring
skill

机器学习：同样也是获取 skill ，通过积累和模拟。



机器学习的目的：通过分析大量数据，从而来提高性能。

例如股票投资的例子：通过分析一系列数据，预测出投资那只股票获利最高。

应用方向：

（1）navigating on Mars

( 2) speech/visual recognition （语音识别）

( 3) high-frequency trading （超短期短线交易）

( 4) consumer-trageted marketing

举一个形象的例子，给电脑一条”鱼“吃，你需要每天喂他；而机器学习就是交给他捕鱼的方法。

什么时候适合用机器学习？

（1）潜在的模式是可以学习的。

（2）但是不知道规则怎么写下来。

（3）需要有资料(data)。

例子：

下面哪一个最适合机器学习？

（1）预测小孩子在偶数分钟哭还是在奇数分钟哭。

（2）判断给定的一个图是否包含环。

（3）决定是否给某个人办信用卡。

（4）判读下一个十年，哪个地方会发生核冲突，造成地球毁灭。

第一个：没有任何规律，谁也不知道小孩子会在什么时候哭。(no pattern)

第二个：规则可以很简单用code完成，不需要用机器学习。(programmable definition)

第四个：这个核武器造成地球毁灭没有前例，根本没法预测。(no or not enough data)

第三个最适合，现实情况下用的也是最多。