什么是 Machine Learning？

使用Machine Learning 方法的關(guān)鍵：

1， 存在有待學(xué)習(xí)的“隱含模式”

2， 該模式不容易準(zhǔn)確定義（直接通過程序?qū)崿F(xiàn)）

3， 存在關(guān)于該模式的足夠數(shù)據(jù)

f 是我們想知道的目標(biāo)函數(shù)（不知道）。A 機(jī)器學(xué)習(xí)的算法（核心） 。X輸入 Y輸出，D資料。

g是我們算出來的最好的假說hypothesis（最好接近于g）。H是假說空間、假說集，g屬于H，通過A選出。

二， 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘、人工智能、統(tǒng)計(jì)學(xué)的關(guān)系

1， Machine Learning vs. Data Mining

數(shù)據(jù)挖掘是利用（大量的）數(shù)據(jù)來發(fā)現(xiàn)有趣的性質(zhì)。

1.1 如果這里的”有趣的性質(zhì)“剛好和我們要求解的假設(shè)相同，那么ML=DM。

1.2 如果”有趣的性質(zhì)“和我們要求的假設(shè)相關(guān)，那么數(shù)據(jù)挖掘能夠幫助機(jī)器學(xué)習(xí)的任務(wù)，反過來，機(jī)器學(xué)習(xí)也有可能幫助挖掘（不一定）。

1.3 傳統(tǒng)的數(shù)據(jù)挖掘關(guān)注如果在大規(guī)模數(shù)據(jù)（數(shù)據(jù)庫）上的運(yùn)算效率。

目前來看，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘重疊越來越多，通常難以分開。

2， Machine Learning vs. Artificial Intelligence(AI)

人工智能是解決（運(yùn)算）一些展現(xiàn)人的智能行為的任務(wù)。

2.1 機(jī)器學(xué)習(xí)通常能幫助實(shí)現(xiàn)AI。

2.2 AI 不一定通過ML 實(shí)現(xiàn)。

例如電腦下棋，可以通過傳統(tǒng)的game tree 實(shí)現(xiàn)AI 程序；也可以通過機(jī)器學(xué)習(xí)方法（從大量歷史下棋數(shù)據(jù)中學(xué)習(xí)）來實(shí)現(xiàn)。

3，Machine Learning vs. Statistics

統(tǒng)計(jì)學(xué)：利用數(shù)據(jù)來做一些位置過程的推斷（推理）。

3.1 統(tǒng)計(jì)學(xué)可以幫助實(shí)現(xiàn)ML。

3.2 傳統(tǒng)統(tǒng)計(jì)學(xué)更多關(guān)注數(shù)學(xué)假設(shè)的證明，不那么關(guān)心運(yùn)算。

統(tǒng)計(jì)學(xué)為ML 提供很多方法/工具（tools）。