机器学习定义与核心技术解析：从人工智能到数据科学的全面指南
1.什么是机器学习？ 1.1 机器学习定义机器学习的诞生来源于两个领域：
1.人工智能（ ）。
ML 属于 AI 四象限中的一个部分。人工智能主要涵盖机器学习与深度学习。深度学习是机器学习当中的一个分支。
2.数据科学（data ）。
https://img2.baidu.com/it/u=1698591995,3817410681&fm=253&fmt=JPEG&app=138&f=JPEG?w=500&h=667
机器学习：利用已有的经验（也就是数据），通过特定的算法去找出其中的规律（即模型），然后将其运用到对未知数据的预测中，并且非常重视模型的泛化能力。也就是说，对于某一个特定的任务 T 而言，依据所获得的经验 E ，会有一个关于表现的衡量标准 P ，随着经验 E 的不断增加，在任务 T 上的表现会越来越好。
机器学习有其技术定义，即在预先设定好的可能性空间里，借助反馈信号的引导去探寻输入数据的有用表示。
2.理解3.历史
4.归纳、演绎、溯因
归纳、演绎、溯因这三种是推理的常见形式。机器学习中的任务是与归纳相关的。
5.抽象理解
https://img1.baidu.com/it/u=2029048038,1970930878&fm=253&fmt=JPEG&app=138&f=JPEG?w=500&h=655
【模型假设】明确 Model（ set）或者明确假设空间（ space）。
模型评估要确定评估 Model 的方法，具体来说就是要衡量一种参数的好坏，比如 L(w,b) 。
【最佳模型】选出最佳模型：梯度下降
页:
[1]