Machine Learning-1: The Learning Problem

When can machine learn:

• 有資料
• 沒有明確定義的函式 (有的話就直接寫死更快不用學習了）
• 有可能的pattern （存在潛在的規則）

A takes D and H to get g

Target to learn from ML:

• target function f: 未知，理想的data→label函式
  (如果已知，就不用機器學習了）
• hypothesis function g: 機器學習目標，"盡可能"接近f

Terms:

• Data Mining vs Machine Learning
• DM: 尋找大量資料彼此之間的關係，供給人類參考依據。
• ML: 尋找Hypothesis Function模擬預測資料和答案皆的關係。
• 兩者其實密不可分，但傳統的DM還會研究如何有效的計算管理大量資料庫。
• Artificial Intelligence vs Machine Learning
• ML是實現AI的一種方式
• Statistics vs Machine Learning
• S是實現ML的一種方式
• 傳統的S比較注重在數學公式的推導，但對實際計算方式探討較少。

REF:

Machine Learning Foundations by Hsuan-Tien Lin