机器学习基石笔记：01 The Learning Problem

什么时候适合用机器学习算法？

1. 存在某种规则／模式，能够使性能提升，比如准确率；
2. 这种规则难以程序化定义，人难以给出准确定义；
3. 存在能够反映这种规则的资料。

所以，机器学习就是设计算法\(A\)，从包含许多假设的假设集合\(H\)里，根据所给的数据集\(D\)，选出和实际规则\(f\)最为相似的假设\(g\)。
\(g\)和\(f\)相似度的衡量是基于所有数据，不仅仅是\(D\)。

\(Learning \ Model = A + H\)，\(A\)确定后，\(H\)形式也给出，\(W\)的变化构成不同的属于\(H\)的\(h\)。