林軒田《機器學習基石》課程總結
最近發布了一系列台灣大學資訊工程系林軒田（Hsuan-Tien Lin）教授開設的《機器學習基石》的課程總結，分為4個部分，點擊標題可查看：
- 機器什麼時候能夠學習？（When Can Machines Learn？）
- 機器為什麼能夠學習？（Why Can Machines Learn？）
- 機器怎樣學習？（How Can Machines Learn？）
- 機器怎樣可以學得更好？（How Can Machines Learn Better？）
1 「3」的魔力
整個課程中，「3」這個數字貫穿始終。比如在介紹機器學習時，介紹了它和3個相關領域（數據挖掘、人工智慧、統計學）的區別與聯繫：
在說明可學習性理論時，講了機器學習的3個理論邊界：
課程介紹了3種線性模型（PLA/Pocket、線性回歸、邏輯回歸）：
還介紹了3種關鍵工具（特徵變換、正則化、驗證）：
以及3個學習原則（奧卡姆剃刀、抽樣偏差、數據窺探）：
在未來的《機器學習技法》課程中，還會從3個方面（更多特徵變換、更多正則化、更少標籤）進行擴展，進而引出一系列的模型：
2 課程回顧
以下是每一節課的回顧。
