大家都知道，機器學習在人工智能中是一個非常重要的內容，我們在進行學習人工智能之前要對機器學習有一定的了解，而機器學習中最重要的就是那些算法了，只有我們掌握了那些算法我們才能夠更好地掌握和熟料機器學習的內容。對於機器學習我們需要清楚很多事情，我們在這篇文章中給大家總結了12點內容，希望這12點內容能夠幫助大家解決更多的問題。

首先我們給大家說一下機器學習中第一個內容，那就是我們要知道機器學習就是由表示、評價、優化組成。其中表示就是一個分類器必須用計算機能夠處理的一些正式語言來表示。相反，為學習者選擇一種表示方式就等同於選擇一組可以學習的分類器。這個集合被稱為學習者的假設空間。如果一個分類器不在假設空間中，它就不能被學習。而評價就是要區分好的分類器和壞的分類器，需要一個評價函數。算法內部使用的評估函數與分類器外部使用的評價函數可能不同，其主要是為了便於優化。最後，我們需要在語言的分類器中找到得分最高的一種方法。這就用到了優化，優化技術的選擇是提高學習者效率的關鍵，同時也有助於確定分類器的評價函數是否具有多個最優值。初學者開始的時候使用現成的優化器是很常見的，不過這些優化器會被專門設計的優化器取代。

其次我們需要知道泛化的作用是十分重要的。機器學習的基本目標是泛化訓練集中的例子。這是因為，無論我們有多少數據，我們都不太可能在測試時再次遇到一模一樣的例子。在訓練集上做得很好很容易，機器學習初學者最常見的錯誤是，對訓練數據進行測試之後以為自己成功了。之後把選擇的分類器放在新數據上測試，發現還沒有隨機猜測的準確。所以，如果構建一個分類器，一定要保留一些數據用來測試分類器。相反，如果構建一個分類器，那麽在開始的時候將一些數據放在一邊，最後用它來測試分類器，也就是最後在全部數據的基礎上學習最終分類器。

在這篇文章中我們給大家介紹了關於機器學習需要註意的事項，機器學習由表示、評價、優化組成以及泛化的作用是十分重要的。由於篇幅原因我們就給大家介紹到這裏了，在後面的文章中我們會繼續為大家介紹出更多的內容。

機器學習要註意的事情（一）