林軒田《機器學習基石》課程總結
阿新 • • 發佈：2020-09-22
最近釋出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，分為4個部分，點選標題可檢視：
1. [機器什麼時候能夠學習？](https://www.cnblogs.com/analysis101/p/13479777.html)（When Can Machines Learn？）
2. [機器為什麼能夠學習？](https://www.cnblogs.com/analysis101/p/13511090.html)（Why Can Machines Learn？）
3. [機器怎樣學習？](https://www.cnblogs.com/analysis101/p/13672314.html)（How Can Machines Learn？）
4. [機器怎樣可以學得更好？](https://www.cnblogs.com/analysis101/p/13708180.html)（How Can Machines Learn Better？）
## 1 “3”的魔力
整個課程中，“3”這個數字貫穿始終。比如在介紹機器學習時，介紹了它和**3個相關領域**（資料探勘、人工智慧、統計學）的區別與聯絡：
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、抽樣偏差、資料窺探）：
在未來的《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**擴充套件**，進而引出一系列的模型：
## 2 課程回顧
以下是每一節課的回顧。
![](https://upload-images.jianshu.io/upload_images/5715116-8e9566b431ea227d.png?imageMogr2/auto-orient/strip%7CimageView2/2/