第一次笔记

在开始学习之前，我心中就有疑问，什么是学习机器学习，为什么要学，学会了能做些什么。我觉得这是一个好的现象，因为抱着问题去学习，我的目的性会很强。抱着这样的疑惑开始了这次组队学习。

西瓜书和南瓜书，看似简单的名称，其实是为了掩盖了它其中蕴藏的知识，我以为它将是一本解答我问题的书，没曾想疑惑变得更多。
机器学习是什么倒是理解了，根据挑选西瓜的例子得知，用经验之谈来得到新的决策，这是一种学习，“计算机科学是研究关于"算法"的学问，那么类似的，可以说机器学习是研究关于"学习算法"的学问。”机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。

第一章的内容便是在打开这扇大门，往里走的开端。无论是对数据的一系列介绍，还是打开空间，引出泛化，都是刚刚开始需要接触的基本术语。

第二章开始就有了新的好玩的东西出现。生动地解释了过拟合和欠拟合的概念，根据学习能力的强弱来划分。对学习器泛化误差评估方法，提出了留出法，交叉验证法，自助法，调参与最终模型。而对泛化误差衡量的标准，则通过性能度量来评估。错误率和精度虽然常用但不能满足所有任务的需求。如对于“挑出的西瓜有多少比例是好瓜”，“所有好瓜中有多少比例被挑出来了”，“检索出的信息有多少比例是用户感兴趣的”，“用户感兴趣的有多少被检索出来的了”等任务，错误率显然无法满足需求，需要其他的性能度量。查全率(recall)和查准率(precision)是更为适用于此类需求的性能度量。书中在2.3.2到2.4讲述了一些曲线，如p-R曲线，ROC,AUC还有代价曲线，最后的2.5中方差与偏差是解释学习算法泛化性能的一种重要工具。具体操作是将学习算法的期望泛化错误率进行拆解，最后得出结论，泛化误差=方差+偏差+噪声。

标签：泛化,错误率,性能,第一次,学习,算法,笔记,度量
来源： https://blog.csdn.net/l_lzl_l/article/details/120729773