2021-10-13

第一章

常用概念

数据集：(色泽=青绿;根蒂=蜷缩;敲声=浊响)

               (色泽=乌黑;根蒂:稍蜷;敲声=沉闷)

               (色泽=浅自;根蒂t硬挺;敲声=清脆)，……

示例 = 样本 = 特征向量

示例+标记 = 样例，

属性 = 特征 ，例如色泽、根蒂、敲声

学习 = 训练

iid=independent and identically distributed 独立同分布

归纳：从特殊 到 一般，泛化的过程

演绎：从一般 到 特殊，特化的过程

归纳偏好：什么样的模型更好

谈论算法的相对优劣，必须要针对具体的学习问题，脱离具体问题空谈，毫无意义

符号主义学习---能产生明确的概念

连接主义学习---产生的是“黑箱”模型

连接主义学习的最大局限是其【试错性】，其学习过程涉及大量参数，而参数的设置缺乏理论指导，主要靠手工调参，夸张一点说，参数调节上失之毫厘，学习结果可能谬以千里。

连接主义学习的局限性，促使目光转向统计学习技术

而数据量变大、计算力变强，使连接主义又卷土重来

第二章