機器學習第二問 ---?機器是如何學習的？（How can machine learn?）

?

簡單來說，機器學習是這樣的一個過程：輸入我們收集的訓練數據，通過學習算法檢驗所有可能的假設（假設用函數表示），找到一個最近似于真實規律的假設。如下圖所示：

?

?一些術語：

• 特征（Feature）：x∈X，輸入的一些描述
• 目標（Target）：y∈Y，特征所對應的分類或值，比如說某個腫瘤是良性的還是惡性的，或者某個房子可以賣多少錢
• 真實的目標函數（True Target Function）：f:?X→Y，特征和目標之間的真實規律，用函數表示
  
• 訓練數據（Training Data）：D={(x1,y1),(x2,y2),…,(xn,yn)}，是之前積累的記錄，在現實生活中，訓練數據是有噪聲的，比如說記錄錯誤，缺失值，測量誤差等
• 假設集（Hypothesis Set）：h∈H，所有可能表示特征和目標之間規律的函數
• 學習到的函數（Learned Formula）：g:?X→Y，機器從訓練數據中學到的規律，用函數表示，我們期望學到的g表現足夠好，即g≈f
  
• 機器學習算法（Learning Algorithm）：A，由D產生g的算法，A會從各種不同假設h構成的集合H中挑選出一個最好的g，使得g≈f
  

?

轉載于:https://www.cnblogs.com/HuZihu/p/10871349.html

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的机器学习的原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。