臺灣大學林軒田老師機器學習基石：內容簡介

第一週：ML簡介、ML與DM/AI/Statistics的區別dom 第二週：perceptron線性分類器機器學習 第三週：從輸入特徵、輸出空間、label情況、學習方式四方面對ML進行分類函數 第四周：PAC學習原理（儘可能大的訓練集D和有限的假設空間H）性能 第五-七週：'Shatter' and VC Dimension(打散和VC維度)（無限假設空間，但能夠分爲有限個不一樣類別的空間，即

>>阅读原文<<