林轩田机器学习基石入门（三）

上一节我们主要向大家介绍我们身边机器学习的例子，这一节我们将探讨机器学习由什么元素组成（机器学习的模型结构）。

首先我们先看个信用卡的例子。

假设我们想用机器学习来判断“是否同意贷款给这个客户？”，我们会将用户的信息数据输给模型（比如年龄，性别，职业，工龄，是否为该市久住居民，欠款信息，年薪，资产等），然后通过模型给出判断（这些动作其实和人工判断相差不大）。

而我们发现大多机器学习模型都是相似的步骤（数据->模型->技能），于是我们想能否标准化学习模型以便我们学习。

于是我们将输入的一条具体数据化为x;而是否批准贷款设为y;理想中的目标函数化为f；我们模型得出的技能则设为g；而其中g属于H。下面我们用详细图示给出解释。

于是整理简化后得出下图的模型。

上面两张图详细给出了关于f,g和H解释，下面我们来看看全部整合后的模型长什么样。

因此我们也可以得出机器学习在实际应用中的定义：使用数据去计算出假设g，而其中我们想要的g和理想f接近。

关注我们 | 获取更多系统性学习文章|从零开始

林轩田机器学习基石入门（三）相关推荐

（课程笔记）| 林轩田机器学习基石入门（一）
什么是机器学习?为什么我们要学习它? 在没有接触它时,我以为仅仅是指那种会动来动去的机器人,在慢慢了解以后我发现它比我想象中复杂很多,但是也有趣有用很多,而且这里真的充满了机遇和挑战. 那么我们开始学 ...
台大林轩田·机器学习基石记要
台大林轩田·机器学习基石记要昨天开始看林轩田的机器学习基石,从今天起开始去粗取精第一讲比较基础,一些概念自己早已经理解了,所以不再做笔记,有点印象的是讲到了ML.DL.AI的一些联系与区别,ML主 ...
台湾大学林轩田机器学习基石课程学习笔记13 -- Hazard of Overfitting
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了非线性分类模型,通过非线性变换,将非线性模型映射到另一个空间,转换为线性模型,再来进行分类,分析了非线性变换可能会使计算复杂度 ...
林轩田机器学习基石（Machine Learning Foundations）笔记（一）
要求两周之内看完林轩田机器学习基石和技法,速度是要的,但是感觉看得太快我会不久就会忘记.因此记录一下梗概,顺便写写看视频时解决的不懂的地方(有种思想就是把知识传播给更多人,有时候就是靠大佬们善意的一句 ...
台湾大学林轩田机器学习基石课程学习笔记资料汇总
笔记: 红色石头的专栏(写得非常好) 课后练习: 機器學習基石(Machine Learning Foundations) 机器学习基石课后习题链接汇总 https://download.csdn. ...
机器学习系列笔记：林轩田机器学习基石——机器学习的可行性
机器学习系列笔记:林轩田机器学习基石--机器学习的可行性
台大林轩田机器学习基石学习笔记（一）：The Learning Problem
这里写自定义目录标题写在前面一.What is Machine Learning 二.Applications of Machine Learning 三.Components of Machin ...
台湾大学林轩田机器学习基石课程学习笔记1 -- The Learning Problem
红色石头的个人网站:redstonewill.com 最近在看NTU林轩田的<机器学习基石>课程,个人感觉讲的非常好.整个基石课程分成四个部分: When Can Machine Lear ...
台湾大学林轩田机器学习基石课程学习笔记15 -- Validation
红色石头的个人网站:redstonewill.com 上节课我们主要讲了为了避免overfitting,可以使用regularization方法来解决.在之前的EinEinE_{in}上加上一个reg ...

林轩田机器学习基石入门（三）

林轩田机器学习基石入门（三）相关推荐

最新文章

热门文章