极客时间
21天打卡行动 41/21
<<机器学习40讲/03>>学什么与怎么学
今日所学:
1,体现出一些切实的规律，也就是某些特征会表现出固定的变化趋势，蕴含着明显的规律性，这种规律性被称为“模式”（pattern）。
2,模式识别和机器学习实际上有大量的共通之处，严格地将两者区分开来既没方法也没必要;
3,如果说机器学习侧重于将预先设定的准确率等指标最大化，那模式识别就更注重于潜在模式的提取与解释。
4,用机器学习解决问题还需要一个条件，就是大量的可用数据（data）;一方面，输出结果会受到多个输入特征的共同影响，另一方面，特征与特征之间通常也不是完全独立的，而是存在着相互作用;
5,什么样的问题才能通过机器学习来解决呢？首先，问题不能是完全随机的，需要具备一定的模式；其次，问题本身不能通过纯计算的方法解决；再次，有大量的数据可供使用;
6,机器学习的任务，就是使用数据计算出与目标函数最接近的假设，或者说拟合出最精确的模型 。
7,机器学习中三类特征:具体特征（concrete feature）、原始特征（raw feature）和抽象特征（abstract feature）;
8,机器学习的方法分成分类算法（classification）、回归算法（regression）和标注算法（tagging）三类;
9,如果训练数据中的每组输入都有其对应的输出结果，这类学习任务就是监督学习（supervised learning），对没有输出的数据进行学习则是无监督学习（unsupervised learning）。
10,无监督学习可以用于对数据进行聚类或者密度估计，也可以完成异常检测这类监督学习中的预处理操作;
11,。主动学习是策略导向的学习策略，通过有选择地询问无标签数据的标签来实现迭代式的学习。当数据的标签的获取难度较高时，这种方法尤其适用。
重点:
1,机器学习适用于解决蕴含潜在规律的问题；
2,纯算数问题无需使用机器学习；
3,机器学习需要大量数据来发现潜在规律；
4,从输入空间、输出空间、数据标签、学习策略等角度可以对机器学习进行分类。