Datawhale 吃瓜教程组队学习task01

还没写完，会持续更新~~

上个月看了周志华老师的机器学习视频课的前三章，但是后面中断了没看…(主要是懒🤐)

于是打算这个月继续来学习西瓜书和南瓜书🤯

Task01：概览西瓜书+南瓜书第1、2章 2天 截止时间 01月18日03:00

• 既然上个月已经看过了视频课，那下面就结合上个月的笔记还有书来总结归纳一下，同时尝试一些学习方式
  • 先列出目录进行回忆
  • 部分地方画图总结
  • 给自己提出一些问题，不限于西瓜书，可以是联想到其他学习AI的过程中的内容从而提出的问题

chap1 绪论

1.1 引言 1.2 基本术语

画图玩玩

总结图1：关于数据集、样本、样本空间、样本维数、本书的向量记法、属性、属性值

总结图2:关于学习过程、假设、真相、样例、标记、标记空间、泛化

文字总结

• 下面列个大纲就算了吧， 毕竟一图胜千言，何况上面有两图👻👻👻

还是列出一些要点吧hhh

• ”算法”是从数据中学得“模型”的具体方法

• 模型是一个抽象的说法，可以理解为从数据里面产生出来的一个东西，可以是一个神经网络，甚至是一条规则

• 机器学习是关于学习算法（learning algorithm）的设计、分析和应用的学问。所以我们研究的核心是学习算法。

  • 学习算法决定了获得什么样的模型，模型的性质很多时候来自于算法。
  • 算法是用到数据上，不一定每次都得到同样一个模型。

• 训练：我们拿到的数据用来建立这个模型，建立这个模型的过程就是训练

• 测试是把模型拿来用，而这个用 既可能是 考察模型好不好，也可能是 输入一个东西，让模型给结果

• 假设（hypothesis） 真相 （ground-truth）

  • 模型

    • 所谓的模型，其实是找到了某种规律。

      比如现在要找到的是颜色是青绿色，耕地是蜷缩，敲起来声音很浑浊的这样的西瓜是一个好西瓜，就会得到了一个规则。这个规则假如我们把它当做一个模型，实际上它是揭示了 关于 什么是好西瓜 的一个规律。

    • 模型揭示了关于我们要判断的结果的一个规律。

      • 这个规律可能是显式的，比如我们一看就知道颜色，青绿色
      • 也可能是隐式的。比如一个神经网络，看不清楚它在干什么，但是反正输入一个西瓜，它就能告诉你是好还是不好。

    • 所以模型包含了一个规律。而模型找出来的这个规律不一定是正确的，所以它实际上是形成了一种假设。

  • 当我们说 hypothesis 的时候，它其实就是在指我们学到的模型。对一个问题，我们可以形成很多的hypothesis，真的假设就是事实的真相（ground-truth）。

    • 🍉书的原话是 学得模型对应了关于数据的某种潜在规律，因此亦称"假设";这种潜在规律自身，则称为“真相”或“真实”
      • 我理解为：数据有规律，他们是客观存在的ground-truth，学习数据，学成归来得到模型，不一定功夫到家，所以只敢称自己学得了一种hypothesis
    • 比如我们要学习的是“青绿、蜷缩、浑浊是好西瓜“。这一条，它就是 ground-truth，是一个正确的答案。 模型学到了一个东西，而这个东西是关于结果的一个可能的规律，这个规律不一定对。如果它是对的，就是真相。
    • PAC模型中，f(x)就是hypothesis， y 就是 ground-truth

---

• 在上个月的视频课里面记了些术语的笔记

自问不答🤔

引导思考~🙄

• 这本书上的向量写法的区分是什么？什么时候行向量，什么时候列向量？

• 为什么很多书上在没有指明的情况下，一般默认向量为列向量

  • prompt：和矩阵乘积的习惯性写法有关

• 经常问自己

  • 一个算法针对什么样的数据是有效的
  • 这样的数据需要满足什么样的特点
  • 它产生的模型什么情况下有效
  • 这样的模型具有什么特点

• 在脑子里想一下属性张成空间

  • prompt：点、向量、坐标轴
  • 联想一下词向量

• 为什么要假设正类和负类是可交换的？

• 有哪些常见的监督学习和无监督学习任务？

• 为什么要假定数据独立同分布？

术语列表

• 数据集 data set

  • 样本/示例 sample/instance
    • 属性/特征 attribute/feature
    • 属性值 attribute value
    • 属性空间/样本空间/输入空间 attribute space/sample space
  • 样例 example
    • 标记 label
    • 标记空间/输出空间 label space
  • 特征向量 feature vector
    • 维数 dimensionality

• 学习/训练 learning/training

  • 假设 hypothesis
  • 真相/真实 ground-truth

• 训练集 training set

  • 训练数据 training data
    • 训练样本 training sample

• 测试集 testing set

  • 测试数据 testing data
    • 测试样本 testing sample

• 模型/学习器 model/learner

  • 预测 prediction
  • 泛化 generalization

• 监督学习 supervised learning

  • 分类 classification
    • 二分类 binary classification
    • 多分类 multi-class classification
    • 正类 positive class
    • 反类 negative class
  • 回归 regression

• 无监督学习 unsupervised learning

  • 聚类 clustering

• 分布 distribution

  • 独立同分布 independent and identically distributed(简称i.i.d)

1.3 假设空间

• 归纳（induction）

  想想数学归纳法

  • 从特殊到一般：泛化（generalization）
  • 具体事实→一般规律
    • 例如，"从样例中学习"是一个归纳的过程，亦称 “归纳学习” (inductive learning) .

• 演绎（deduction）

  • 从一般到特殊：特化（specialization）
  • 基础原理→具体情况
    • 例如，在数学公理系镜中，基于一组公理和推理规则推导出与之 相洽的定理，这是演绎;

• 归纳学习有狭义与广义之分

  • 广义：大体相当于从样例中学习

  • 狭义：要求从训练数据中学得概念(concept) ，因此亦称为"概念学习"或"概念形成"

    概念学习技术目前研究、应用都比较少，因为要学得 泛化性能好且语义明确的概念实在太困难了，现实常用的技术大多是产生"黑 箱"模型.然而，对概念学习有所了解，有助于理解机器学习的一些基础思想.

• 我们可以把学习过程看作一个在所有假设(hypothesis) 组成的空间中进行 搜索的过程，搜索目标是找到与训练集"匹配"(fit)的假设，即能够将训练集中 的瓜判断正确的假设

  • 假设的表示一旦确定，假设空间及其规模大小就确定了.
  • 现实问题中我们常面临很大的假设空间?但学习过程是基于 有限样本训练集进行的，因此，可能有多个假设与训练集一致，即存在着一个与 训练集一致的"假设集合"，我们称之为"版本空间" (version space).

1.4 归纳偏好

1.5 发展历程

1.6 应用现状

填空答案(仅供参考)

• 1.1
  • 001:算法
  • 002:数据
  • 003:模型

chap2 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 比较检验

2.5 偏差与方差

填空答案(仅供参考)

填空答案(仅供参考)

• 1.1
  • 001:算法
  • 002:数据
  • 003:模型

chap2 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 比较检验

2.5 偏差与方差

填空答案(仅供参考)