林軒田《機器學習基石》課程總結

最近發佈了一系列臺灣大學資訊工程系林軒田（Hsuan-Tien Lin）教授開設的《機器學習基石》的課程總結，分爲4個部分，點擊標題可查看：

1. 機器何時可以學習？（When Can Machines Learn？）
2. 機器爲何可以學習？（Why Can Machines Learn？）
3. 機器怎樣學習？（How Can Machines Learn？）
4. 機器怎樣能夠學得更好？（How Can Machines Learn Better？）

1 「3」的魔力

整個課程中，「3」這個數字貫穿始終。好比在介紹機器學習時，介紹了它和3個相關領域（數據挖掘、人工智能、統計學）的區別與聯繫：

在說明可學習性理論時，講了機器學習的3個理論邊界：

課程介紹了3種線性模型（PLA/Pocket、線性迴歸、邏輯迴歸）：

還介紹了3種關鍵工具（特徵變換、正則化、驗證）：

以及3個學習原則（奧卡姆剃刀、抽樣誤差、數據窺探）：

在將來的《機器學習技法》課程中，還會從3個方面（更多特徵變換、更多正則化、更少標籤）進行擴展，進而引出一系列的模型：

2 課程回顧

如下是每一節課的回顧。