林軒田《机器学习基石》课程总结

最近发布了一系列台湾大学资讯工程系林軒田（Hsuan-Tien Lin）教授开设的《机器学习基石》的课程总结，分为4个部分，点击标题可查看：

1. 机器何时可以学习？（When Can Machines Learn？）
2. 机器为何可以学习？（Why Can Machines Learn？）
3. 机器怎样学习？（How Can Machines Learn？）
4. 机器怎样能够学得更好？（How Can Machines Learn Better？）

1 “3”的魔力

整个课程中，“3”这个数字贯穿始终。好比在介绍机器学习时，介绍了它和3个相关领域（数据挖掘、人工智能、统计学）的区别与联系：

在说明可学习性理论时，讲了机器学习的3个理论边界：

课程介绍了3种线性模型（PLA/Pocket、线性回归、逻辑回归）：

还介绍了3种关键工具（特征变换、正则化、验证）：

以及3个学习原则（奥卡姆剃刀、抽样误差、数据窥探）：

在将来的《机器学习技法》课程中，还会从3个方面（更多特征变换、更多正则化、更少标签）进行扩展，进而引出一系列的模型：

2 课程回顾

如下是每一节课的回顾。