[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 $\mathbf{X}\to \mathbf{y}$，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