[ML] 機器學習基石：第一講 The Learning Problem

ML：基礎學習
課程：機器學習基石
簡介：第一講 The Learning Problem

• \(f\) : 目標函數 \(\mathbf{X}\rightarrow\mathbf{y}\)，完全無法得知，得知就不用學習
• \(D\) : 訓練資料，輸入 \(\mathbf{x} \in \mathbf{X}\)，輸出 \(y \in \mathbf{y}\)
• \(H\) : 候選函數集合，可能的假說集合
• \(A\) : 挑選 \(H\) 的演算法
• \(g\) : 最佳的 \(h\)，希望大約接近 \(f\)

ML 適合使用的三個判斷

• 存在可學習性，performance 可被觀察並改進
• 無法簡單地被定義規則，例：辨認樹
• 擁有 data 可以學習