参考资料：
除了redstone的笔记较好之外，还有豆瓣的/doulist/3381853/的笔记也比较好
--------------------------------------
1. 什么时候机器可以学习？
2. 为什么要要使用机器学习？
3. 机器怎么可以学习到东西？
4. 机器学习如何还能做的更好？
Lecture 1 The Learning Problem
豆瓣笔记：/note/319636155/
redstone笔记：/65/
——————————————————————————
Lecture1 学习问题：
1. Courese Introduction 课程介绍
2. 什么是机器学习？
(1) 人类从观察→学习→skill；机器从数据→ML→skill （skill就是performance measure）机器学习的技能就是提高了性能指标，如预测准确性
(2)为什么要使用机器学习呢?
如识别一棵树——设计可编程的规则去识别一棵树太复杂了，太难了。 3岁小孩是靠观察去认识一棵树的。所以机器也可以从数据中去学习认识一棵树。所以机器学习可以帮助建立复杂的系统。如在火星上做导航、语音识别、视觉识别、证券等高频交易、千人千面个性化推荐。
（3）机器学习的三个关键，判断是否能进行机器学习的三要素
a. 事务本身存在某种潜在规律，必须存在一个pattern模式可以学习。且有一个目标可以达到，如评价指标。 b. 这个pattern难以用简单的编程和设计规则来准确定义 c. 存在关于该pattern的足够数据
3. 机器学习的应用
举例：costomer向量与movie向量；关键：如何设计出特征向量！因为只要两个向量相关求和，就能知道。但是已知数据是排名，如何从数据中去设计出特征向量——特征工程，是最重要的！
4. 机器学习的组成部分
x, y, f, data, h, g.
机器学习两个输入：从理想目标函数f产生的训练数据D，假设集H。然后学习算法A在H中选择一个最好的g，g是近似于f的。
5. 机器学习与其他领域
——————————————————————————————
Lecture2 Learning to Answer Yes/No 机器学习如何做是非题？
豆瓣笔记：/note/319669984/
1. 感知机假设集：x features，w权重。h(x)=sign(wx)，线性分类器
2. PLA算法：初始化w=0→找到一个分错的数据→调整w的权重：w=w+yi*xi→循环前两步，直到没有任何分类错误，迭代停止。
PLA算法一定能停止吗？一定能迭代终止吗？一定能收敛吗？一定能收敛到最优值吗？
3. PLA能否正常终止？分两种情况：数据线性可分 vs 数据线性不可分
（1）线性可分时：评价指标内积越大，wf和wt越接近。同时还要去除|wf|和|wt|的影响。发现其下限与迭代次数T有关，且有上限。所以随着迭代次数T的增大，内积越来越接近上限。即越来越达到收敛。所以PLA是可以迭代停止的
（2）数据线性不可分：Pocket Algorithm
迭代次数有限（提前设定）；随机寻找分错的数据（而不是遍历循环）；只有新得到的w比之前的wg要好，才更新权重。
T是迭代T次，所以T的迭代次数是有限的，因为有上限1.
Lecture3 机器学习的种类
豆瓣笔记：/note/319684224/
Lecture4 机器学习学习的可行性分析
豆瓣笔记：/note/319700228/
1. 学习是可能的吗？NFL：不可能。因为不存在唯一解——必须要做出合理的假设才能有一个解。
2. PAC概率统计 N样本很大时，采样才能是PAC的。概率近似相等。h(x)与f(x)假设函数与目标函数才能是PAC的。霍夫丁不等式
3. PAC与学习的联系 N很大时，Ein≈Eout。才是PAC的，才能保证泛化能力。要让Eout很小，在PAC的前提下，让Ein小就可以了。所以PAC+Ein小=Eout小，保证泛化能力+训练误差较小。
4. 与实际学习的联系
Bad sample：很差的训练数据——将使得训练误差和泛化误差差别很大。
训练数据质量太差时，偏向于Ein=0的数据就会很多。这样就导致满足Ein的很多，但是Ein和Eout因为数据的原因差别很大，Bad Data的情况就很多。所以Bad Data的存在，在大量的假设h下，情况会更糟糕。
因此，我们希望我们面对的假设空间h，训练数据对于其中的任何假设h都不是Bad Data。
根据下面的公式：当M有限，N足够大时。我们能确保Bad Data的概率较小。Bad Data的概率PD(BAD D)一定要小。就需要控制M和N。
所以，当假设空间有限时（大小为M）时， 当N 足够大，发生BAD sample 的概率非常小。此时学习是有效的。
当假设空间无穷大时（例如感知机空间），我们下一次继续讨论。（提示：不同假设遇到BAD sample 的情况会有重叠）
Lecture5 Training vs Testing
豆瓣笔记：/note/323455696/
——————————————————
以下两条保证机器学习的可行性：H有限 + 训练数据N足够大——霍夫丁不等式，才不会出现Bad Data。
（1）M的大小至关重要。用一个有限的值mH(H)来代替M。因为假设之间有重叠，所以UnionBound估计过高。
（2）成长函数：mH(H)及其Break Point。样本量达到多少时，有mH(H)<2^N。
（3）用成长函数mH(H)可以代替M，下节课详细介绍。
---------------------------------------
Lecture6 Theory of Generalization 归纳理论
参考资料：/p/59113933
豆瓣笔记：/note/323562697/
红色石头：/217/
1. Break Point 突破点的限制
2. 边界函数 Bounding Function：Basic cases B(N,k) 等突破点为k时的最大mH(N)是多少。
3. 推导VC界：/question/38607822/answer/157787203
4. 只要Break Point存在（mH(H)的上限是k的多项式，所以M是有限的，N是足够大的），机器学习就是可行的。
VC bound：mH(N)。VC界是保证机器学习可行性的关键
Lecture7 VC维理论
/note/323572623/
/222/
1.VC维的定义：假设空间H有突破点k，且N足够大，那么算法就有很好的泛化能力
2. VC维：假设集H能够shatter的最多inputs的种类数，即最大完全正确分类的能力。
3. VC维：VC维 == break point - 1
4. 一个假设集的dvc VC维确定了，就能满足机器学习的第一个条件 Eout=Ein，与算法、样本数据分布和目标函数都没有关系
5. 感知机的VC维：dvc == d + 1；
6. VC维的物理意义：反映了H的强大程度，VC维越大，H越强。可以打散更多的点，覆盖更多的样本分布情况。VC维与假设参数w的自由变量数目大约相等。dvc=d+1. d就是空间的自由度，也就是w的自由度。就是特征的维度。
这就是对泛化能力最基本的保证：只要确定了假设集H的VC维。与算法、样本数据分布和目标函数都没有关系。
VC维太小，可以保证BadData概率降低；但是选择又太少，不容易实现第二点，即训练误差较小。
VC维太大，增加了Bad Data的概率；但是选择较多，容易得到训练误差较小的模型。
模型复杂度的惩罚：与样本数量、假设空间的VC维度和e都有关。
