[人工智能]【西瓜书自学】绪论_01

绪论

通过计算的手段，利用经验来改善系统自身的性能。有了数据，通过某种学习算法，得到模型，对未知结果进行预测。

基本术语

• 数据：数据集、样本、特征向量(属性、维度)
• 算法：学习(训练)
• 模型:
  1. 有监督学习——分类(离散)、回归(连续)
  2. 无监督学习——聚类
• 预测:测试、测试样本、泛化能力

假设空间

• 样本空间中全体样本服从一个未知“分布”，每个样本“独立同分布”
• 归纳(泛化)：特殊到一般——从样本中学习普遍规律
• 演绎(特化)：一般到特殊

归纳偏好

• 模型的选择原则：奥卡姆剃刀——“若有多个假设与观察一致，则选择最简单的那个”
• “没有免费的午餐”定理(NFL):若考虑所有潜在的问题，则所有的算法(甚至包括胡乱猜)都一样好；要谈论算法的优劣，必须针对具体的问题，学习算法自身的归纳偏好与问题是否匹配，往往会起到决定性作用。