本系列的課程對機器學習問題有一些基本的術語需要注意一下:
1.輸入 x
2.輸出 y
3.目標函數 f,即最接近實際樣本分佈的規律
4.訓練樣本 data
5.假設 hypothesis,一個機器學習模型對應了很多不同的 hypothesis,通過演算法 A,選擇一個最佳的 hypothesis 對應的函數稱為矩 g,g 能最好地表示事物的內在規律,也是最終想要得到的模型表達式。
影片內容 pdf:https://www.csie.ntu.edu.tw/~htlin/course/mlfound18fall/doc/01_handout.pdf