1.txt

This complete matlab for neural network

1.先说学习方法，我觉得Tom的ps做的挺好，要点都已经写好了，所以最好先看ps，然后
看书，这样有个提纲在自己心里，看的容易明白些。最后每章书上有个总结，也能把
要点列出，这一章看了什么，懂了什么，什么没有懂，比较明白。
2.这一讨论节，主要象ps中讲了四个问题：
why，what，example，questions（以后要讲的东西）
我觉得这一章是要读的，因为它给了一个机器学习的框架。
3。关于why－helloboy已经总结过了，我只作一点感想。
本来我还在想在这个板开展机器学习的讨论，是否不太务正业，抢了人家（AI)的
生意，看来这个讨论就应该在我们板搞，因为ML跟AI有关系，但是第一大用户是
数据挖掘的人，所以搞DM的同仁不管是做规则提取还是神经网络还是聚类分析，
都had better读读这本书，参加讨论。不要事不关己，高高挂起。
4.关于what，什么是机器学习，就这个概念来说，Tom的定义是最权威的，很多论文讲
机器学习都要说我的定义是遵循Tom的，所以一定要理解掌握吧，以后看论文省力。
我做神经网络多一些，看到好的论文，一般都要首先定义问题是什么（任务T)，采用
什么样的评价标准（性能标准P)，比如有预测值跟实际值之间的RMSE、MAE、COE等等
in regression problems，对于分类问题，有RECALL，accuracy等。大作光这个能写
上two pages。对于训练经验E，要么是标准测试样本集，要么是自己做的，也要详细
介绍的。
5.通过一个example介绍了西洋棋的学习问题。可能有的人（我）觉得罗嗦，我仔细想想
主要是我以前作的问题，很多步骤，缺省用的别人的东西，所以我自己都没有想过
这些问题，很重要，比如为什么用到我的楼上一文中的10foldCV，因为要保证1.2.1中
的第三条，训练样本的分布要较好的表示实际样本的分布。
最后得到四个核心环节的一个学习程序。这四个部分也很关键。
在我做的特征选择问题中，也是要分为四部分，特征生成，特征训练，子集验证，
子集的使用。大家也可以把自己的问题往上套。
6.关于ML的问题，我想Tom是为了告诉大家以后学习的内容吧，以后我们再讨论。