臺大機器學習基石 Lecture 4 - Feasibility of Learning

這次Lecture主要討論的是有限假設下的機器學習可行性。我們爲什麼能通過算法選出的定作，而又爲什麼一定與相接近呢？ Learning is Impossible? 這一部分主要討論了這麼一個問題：能夠在數據集上滿足的是否一定能有？ 上圖就說明了，在以外的數據中更接近目標函數是不確定的，而我們希望機器學習能做到所選模型能在數據集之外也有與真實結果一致的預測結果，而不是僅限於數據集中。 這就是機器學

>>阅读原文<<