生命OS

周志华老师亲讲-西瓜书全网最详尽讲解-1080p高清原版《机器学习初步》

6分钟阅读

周志华老师亲讲-西瓜书全网最详尽讲解-1080p高清原版《机器学习初步》

🔗资源链接

周志华老师亲讲-西瓜书全网最详尽讲解-1080p高清原版《机器学习初步》_哔哩哔哩_bilibili

✍我的笔记

教材

课程定位

学科定位四象限

维度核心问题菜刀案例解析机器学习对应
科学”是什么” & “为什么”力学原理/材料特性分析算法可解性/模型理论基础
技术”怎么做”锻造工艺/热处理技术算法实现/编程落地
工程”多快好省”量产优化/成本控制分布式计算/模型部署优化
应用具体场景实施切菜技法/刀具使用场景推荐系统/计算机视觉应用

📚 课程定位解析

  1. 学科侧重

    • 科学层面（70%）：理论推导与数学证明
    • 技术层面（20%）：典型算法实现
    • 工程层面（10%）：基础优化策略

  2. 知识延展需求

    • 技术深化 → 编程实践课程
    • 工程强化 → 系统设计/分布式计算课程
    • 应用扩展 → 计算机视觉/NLP等专项课程

🥝 菜刀案例详解（类比教学）

graph TD
    A[科学] --> B{材料力学分析}
    B --> C[钢铁/陶瓷特性]
    A --> D{切割原理}
    
    E[技术] --> F{制造工艺}
    F --> G[锻造工序]
    F --> H[热处理技术]
    
    I[工程] --> J{量产优化}
    J --> K[成本控制]
    J --> L[生产效率]
    
    M[应用] --> N{使用场景}
    N --> O[切菜技法]
    N --> P[刀具保养]

💡 学习建议

  1. 建立四象限思维：面对新算法时，主动区分其所属维度
  2. 理论优先：重点掌握PAC框架、VC维等基础理论
  3. 技术实践：配合《机器学习实战》进行代码实现
  4. 工程意识：关注算法的时间/空间复杂度指标

机器学习

经典定义

  • 定义来源：T. Mitchell 教科书 (1997)
  • 定义内容：机器学习是通过经验来改善系统自身性能的过程。

数据与机器学习的关系

  • 数据的来源：人类的“经验”被转化为“数据”，这些数据是机器学习的基础。
  • 机器学习的演变：随着该领域的发展，机器学习现在主要研究智能数据分析的理论和方法，并已成为智能数据分析技术的重要源泉之一。

大数据时代

  • 数据量的增加：与二十年前相比，人们收集、存储和传输数据的能力显著增强，每天都会产生海量数据，因此我们进入了“大数据”时代。
  • 大数据与价值的关系：大数据本身并不等同于大价值，只有通过智能数据分析，才能从大数据中提取出有价值的信息。

机器学习的重要性

  • 学科需求：机器学习的重要性已经超越了人工智能学科本身对它的需求。
  • 现实需求：当今社会对数据处理和数据分析的需求日益增长，这使得机器学习的重要性愈发凸显。

典型的机器学习过程

1. 训练数据

色泽根蒂敲声好瓜（label 类别标记）
青绿蜷缩浊响是
乌黑蜷缩浊响是
青绿硬挺清脆否
乌黑稍蜷沉闷否

2. 使用学习算法（Learning Algorithm）

训练数据 → 学习算法 → 模型

3. 模型

常见的机器学习模型包括：

4. 预测新数据

新数据样本 → 模型 → 预测结果

示例：

  • 新数据样本：（浅白，蜷缩，浊响，？）
  • 模型预测：？＝是

流程图表示

训练数据
    ↓
学习算法
    ↓
模型
    ↓
新数据样本 → [[模型（model）|模型]] → 预测结果

关系图谱