机器学习基石课程学习笔记(一)：机器学习的组成

Compoents of Learning

场景描述：银行需要给借贷者办理一张信用卡，银行需要判断借贷者拿到信用卡啊后会好好使用还是会欠债不还。

以上是用抽象化的符号来表示机器学习：
输入 ：X （用户申请信用卡时填写的个人信息）
输出 ：Y（要不要给借贷者办理卡）
目标函数f X->Y：未知的将X到Y的映射，也就是需要通过机器学习去拟合的函数
data D{（x1,y1）,(x2,y2) ,…}：银行收集的不同用户的资料，可以是前几年别的用户的个人信息以及他们的信用情况。
假说 g X->Y：机器学习过对应的data后给出对位置函数f的假设，与隐含的f越相近的g效果越好。

最终机器学习的模型可以如下：

银行通过用户的个人信息以及他们的信用状况（data），放到机器学习模型中去学习获取假设g。下图可以更直观的了解机器学习。


一句话总结机器学习：
机器学习使用历史资料，计算一个最好的假设作为隐含映射f的结果