Chapter 01 緒論
- 學習過程爲了找出或逼近真相
- 對於離散值的學習任務稱爲[分類] (classification)
- 對於連續值的學習任務稱爲[迴歸] (regression)
- 奧卡姆剃刀:若有多個假設與觀察一致，則選最簡單的那個
- 沒有免費的午餐定理(No Free Lunch Theorem)
- 在普適條件下，所有算法的表現期望都是相同的
- 所以說，在沒有指定數據集的前提下，空談算法優劣都是耍流氓
- NFL定理揭示了一個重要事實：最優化類算法的歸納偏好與問題是否相配，往往會起到決定性的作用
練習
#1.3
- 數據足夠大：直接剔除含有噪聲的數據
- 否則：對數據進行去噪處理
- 擬合
- 插值
- 聚類
#1.4
#1.5
- 推薦算法
- 鍵入自動提示
- 搜索排序
- 郵件分類篩選，垃圾郵件攔截