6、7月份，我在couresa上学习了台大林轩田老师的《机器学习基石》课程和吴恩达老师的《机器学习》课程。两门课都不错，林更注重基础，吴更注重实践，也更简单一些。
温故而知新，我近期打算将笔记重新整理一遍，笔记专辑地址为：林轩田机器学习基石笔记，不定期更新...
以下是提炼的主要思路：
1、什么是机器学习？
利用 算法 从 数据 中学习以 提升预测能力。
2、什么时候会用到机器学习?
有足够多的数据；有一定的规律/目标/模式 可以去学习；人很难去定义规则
3、为什么机器可以学习？
� 输入样本N足够大（根据霍夫丁不等式，有Ein=Eout）
� 好的假设空间（坏样本概率减小，演算法可以自由做选择，此时Ein=Eout）（好的假设空间会有一个突破点，其本身是有限的，并非人为所限制）
� 好的演算法（能够找出使Ein足够小的g，此时Ein=0）
4、机器怎样学习？
二分类算法：PLA/Pocket、Linear Regression、Logistic Regression。
当代价函数最小时，效果最好。
可以利用特征转换来减少欠拟合，利用正则化来减小过拟合，利用验证数据来检测Ein。
主要资源链接：
网友评论