【Datawhale8月打卡】吃瓜教程Task1笔记

第一章：

通过 学习1 .2 了解了机器学习的基本术语，从数据中学得模型的过程称为“学习”或“训练”，这个过程通过执行 某个学习 算法来完成。模型可以看作学习算法在给定数据和参数空间上的实例化。

在计算机系统中，“经验”通常以“数据”的形式存在，因此，机器学习所研究的主要内容，是在计算机上从数据中产生“模型（ model）”的算法，即“学习算法”（learning algorithm）。

通过学习算法，我们将经验数据提供给它，它就能基于这些数据产生模型。此过程我们通常称为训练(train)

在面对新的情况时，模型会给我们提供相应的判断。此过程我们通常称为测试(test)或推理(infer)

1.2.三要素

1. 模型 ：基于问题，假设某个函数的集合，又称为假设空间（输入空间到输出空间所有映射的集合）

2. 策略 ：根据应用 某个评价 指标来求解最优模型，通常通过优化一个损失函数

3. 算法 ：即学习模型的具体计算方法，即求解最优化问题的算法

1.3 实现步骤

     实现机器学习方法的步骤可以简略如下：

1. 得到一个有限的训练数据集合

2. 确定包含所有可能得模型的假设空间，即学习模型的集合

3. 确定模型选择的准则，即学习策略

4. 实现求解最优模型的算法，即学习算法

5. 通过学习方法选择最优模型

6. 利用学习的最优模型对新数据进行预测或分析

2.3.2 布尔概念学习

     布尔概念学习是概念学习中最基本的一种。即对 “ 是 ” 、 “ 不是 ” 进行学习。

2.3.3 归纳偏好（inductive bias）

若算法更偏好于“尽可能特殊、具体”的模型，则会选择图3中的

（ 色 泽 = ∗ ； 根 蒂 = 蜷 缩 ； 敲 声 = 浊 响 ） （色泽 = *；根蒂 = 蜷缩；敲声 =浊响）

（色泽 = ∗ ；根蒂=蜷缩；敲声=浊响）

若算法更偏好于“尽可能一般”的模型，则会选择图 3中的

（ 色 泽 = ∗ ； 根 蒂 = 蜷 缩 ； 敲 声 = ∗ ） 或 （ 色 泽 = ∗ ； 根 蒂 = ∗ ； 敲 声 = 浊 响 ） （色泽 = *；根蒂 = 蜷缩；敲声 =*）或（色泽 = *；根蒂 = *；敲声 =浊响）

（色泽 = ∗ ；根蒂=蜷缩；敲声= ∗ ）或（色泽= ∗ ；根蒂= ∗ ；敲声=浊响）