快乐机器学习 1.第1章机器学习是什么—机器学习定义 2.第2章机器学习可行吗——让算学习理论 3.第3章机器学习怎么学—模型评估选择 4.第4章线性回归 5.第5章对率回归 6.第6章正则化回归 7.第7章支持向量机 8.第8章朴素贝叶斯 9.第9章决策树 10.第10章人工神经网络 11.第11章正向/反向传播 12.第12章集成学习 13.第13章随机森林和提升树 14.第14章极度梯度提升 15.第15章本书总结 16.结语 第1章 机器学习是什么——机器学习定义 Machine learning is the science of getting puters to act without being explicitly programmed.-Stanford 引言 2018年6月1日，中央电视台正在转播美国职业篮球联赛(NBA)总决 赛，此时是勇士队对骑士队第一场比赛的加时赛，我一看勇士队领先了 10分而且是主场作战，就预测骑士队会输掉比赛，勇士队会夺得冠军. 这时，我突然发现自己的Python作业还没写完，就关上了电视机，聚精 会神地完成了用Python编写程序打印“Hello Machine Learning!”的作 业. 先看上面这段文字的前半部分，这里涉及基于经验做出的预判. 例如，为什么在勇士队主场作战并领先1分的情况下，我就认 为勇士队会赢呢？因为在本赛季中，勇士队在主场作战的情况 下只输过两场，而且在加时赛领先10分时获胜的概率是100%. 为什么勇士队赢一场比赛我就认为其会夺得NBA冠军呢？因为 据统计，在决赛中赢得第一场比赛的球队有79%的概率会夺得 NBA冠军.这些对经验的利用是靠我们自身完成的，但这是机 器学习吗？不是，我是人，不是机器，是我在预测，而不是机 器在预测. 再看上面这段文字的后半部分，计算机根据用Python编写的程 序，打印了一句话.但这是机器学习吗？不是，打印一句话也 好意思称为学习？它只不过是在机械地执行命令罢了. 所以，到底什么是机器学习？从字面上来讲就是（人用）计算机来学 习.谈起机器学习就一定要提起汤姆米切尔(Tom M.Mitchell) 就像 在谈起音乐时大多会提起贝多芬，在谈起篮球时大多会提起迈克尔乔 丹一样.米切尔对机器学习的定义是[1]： A puter program is said to learn from experienceEwith respect to some class of tasksTand performance measurePif its performance at tasks inT as measured byP improves with experienceE. 这段英文有一点抽象、难懂.首先，要注意两个词：puter program 和learn 翻译成中文就是“机器（计算机程序）”和“学习”.把上面的英 文翻译成中文就是： 假设用性能度量P来评估模型在某类任务T中的性能，若该模型通过 利用经验E在任务T中改善其性能度量P 那么可以说机器对经验E 进行了学习. 在该定义中，除核心词“机器”和“学习”外，还有关键词经验E、性能度 量P和任务T.在计算机系统中，通常经验E是以数据D的形式存在的， 而机器学习就是在给定不同的任务中，从数据中产生模型，模型的好 坏就用性能度量P来评估.现在面临两个问题： (1)模型的性能如何定量评估？这就需要根据不同的学习任务T在数 据D上定义对应的性能度量P. (2)模型的性能如何...
加州大学伯克利分校机器学习教材中文翻译版 Berkeley ML.pdf
