分类:机器学习

机器学习研究怎样利用数据选择函数或决策规则，并检验它们对新资料的表现。数学基础包括线性代数、概率、优化和函数空间；训练误差、预测误差与模型解释需要区分。

• 拟合与约束：最小二乘法 → Lasso回归 → 交叉熵。
• 函数空间中的学习：再生核希尔伯特空间。

阅读核方法前，可先用线性模型理解输入、输出和损失函数，再看内积怎样通过核函数表达。模型复杂度增加不意味着预测必然改善，数据划分与评价方法也是学习过程的一部分。