最近在看NTU林軒田的《機(jī)器學(xué)習(xí)基石》課程，個人感覺講的非常好。整個基石課程分成四個部分：

• When Can Machine Learn?

• Why Can Machine Learn?

• How Can Machine Learn?

• How Can Machine Learn Better?

每個部分由四節(jié)課組成，總共有16節(jié)課。那么，從這篇開始，我們將連續(xù)對這門課做課程筆記，共16篇，希望能對正在看這們課的童鞋有所幫助。下面開始第一節(jié)課的筆記：The Learning Problem。

一、What is Machine Learning

什么是“學(xué)習(xí)”？學(xué)習(xí)就是人類通過觀察、積累經(jīng)驗，掌握某項技能或能力。就好像我們從小學(xué)習(xí)識別字母、認(rèn)識漢字，就是學(xué)習(xí)的過程。而機(jī)器學(xué)習(xí)（Machine Learning），顧名思義，就是讓機(jī)器（計算機(jī)）也能向人類一樣，通過觀察大量的數(shù)據(jù)和訓(xùn)練，發(fā)現(xiàn)事物規(guī)律，獲得某種分析問題、解決問題的能力。

機(jī)器學(xué)習(xí)可以被定義為：Improving some performance measure with experence computed from data. 也就是機(jī)器從數(shù)據(jù)中總結(jié)經(jīng)驗，從數(shù)據(jù)中找出某種規(guī)律或者模型，并用它來解決實際問題。

什么情況下會使用機(jī)器學(xué)習(xí)來解決問題呢？其實，目前機(jī)器學(xué)習(xí)的應(yīng)用非常廣泛，基本上任何場合都能夠看到它的身影。其應(yīng)用場合大致可歸納為三個條件：

• 事物本身存在某種潛在規(guī)律

• 某些問題難以使用普通編程解決

• 有大量的數(shù)據(jù)樣本可供使用

二、Applications of Machine Learning

機(jī)器學(xué)習(xí)在我們的衣、食、住、行、教育、娛樂等各個方面都有著廣泛的應(yīng)用，我們的生活處處都離不開機(jī)器學(xué)習(xí)。比如，打開購物網(wǎng)站，網(wǎng)站就會給我們自動推薦我們可能會喜歡的商品；電影頻道會根據(jù)用戶的瀏覽記錄和觀影記錄，向不同用戶推薦他們可能喜歡的電影等等，到處都有機(jī)器學(xué)習(xí)的影子。

三、Components of Machine Learning

本系列的課程對機(jī)器學(xué)習(xí)問題有一些基本的術(shù)語需要注意一下：

• 輸入x

• 輸出y

• 目標(biāo)函數(shù)f，即最接近實際樣本分布的規(guī)律

• 訓(xùn)練樣本data

• 假設(shè)hypothesis，一個機(jī)器學(xué)習(xí)模型對應(yīng)了很多不同的hypothesis，通過演算法A，選擇一個最佳的hypothesis對應(yīng)的函數(shù)稱為矩g，g能最好地表示事物的內(nèi)在規(guī)律，也是我們最終想要得到的模型表達(dá)式。

實際中，機(jī)器學(xué)習(xí)的流程圖可以表示為：

對于理想的目標(biāo)函數(shù)f，我們是不知道的，我們手上拿到的是一些訓(xùn)練樣本D，假設(shè)是監(jiān)督式學(xué)習(xí)，其中有輸入x，也有輸出y。機(jī)器學(xué)習(xí)的過程，就是根據(jù)先驗知識選擇模型，該模型對應(yīng)的hypothesis set（用H表示），H中包含了許多不同的hypothesis，通過演算法A，在訓(xùn)練樣本D上進(jìn)行訓(xùn)練，選擇出一個最好的hypothes，對應(yīng)的函數(shù)表達(dá)式g就是我們最終要求的。一般情況下，g能最接近目標(biāo)函數(shù)f，這樣，機(jī)器學(xué)習(xí)的整個流程就完成了。

四、Machine Learning and Other Fields

與機(jī)器學(xué)習(xí)相關(guān)的領(lǐng)域有：

• 數(shù)據(jù)挖掘（Data Mining）

• 人工智能（Artificial Intelligence）

• 統(tǒng)計（Statistics）

其實，機(jī)器學(xué)習(xí)與這三個領(lǐng)域是相通的，基本類似，但也不完全一樣。機(jī)器學(xué)習(xí)是這三個領(lǐng)域中的有力工具，而同時，這三個領(lǐng)域也是機(jī)器學(xué)習(xí)可以廣泛應(yīng)用的領(lǐng)域，總得來說，他們之間沒有十分明確的界線。

五、總結(jié)

本節(jié)課主要介紹了什么是機(jī)器學(xué)習(xí)，什么樣的場合下可以使用機(jī)器學(xué)習(xí)解決問題，然后用流程圖的形式展示了機(jī)器學(xué)習(xí)的整個過程，最后把機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘、人工智能、統(tǒng)計這三個領(lǐng)域做個比較。本節(jié)課的內(nèi)容主要是概述性的東西，比較簡單，所以筆記也相對比較簡略。

這里附上林軒田（Hsuan-Tien Lin）關(guān)于這門課的主頁：
http://www.csie.ntu.edu.tw/~htlin/

原文CSDN博客地址：
http://blog.csdn.net/red_stone1/article/details/72899485

注明：
文章中所有的圖片均來自NTU林軒田《機(jī)器學(xué)習(xí)基石課程》