第 19 章 总结

这一章是课程总结，回顾前面学过的主要机器学习方法和实践建议。

19.1 总结和致谢

课程从监督学习开始，介绍了线性回归、逻辑回归、神经网络和支持向量机。

监督学习部分的核心问题是：

给定带标签训练集，学习输入到输出的映射

课程还介绍了无监督学习，包括聚类和降维。

无监督学习的核心问题是：

没有标签时，让算法自动发现数据结构

后续章节还覆盖了异常检测、推荐系统、大规模机器学习以及 Photo OCR 应用实例。

除了算法本身，课程反复强调实践方法：

• 用训练集、交叉验证集和测试集评估模型。
• 通过偏差和方差诊断问题。
• 用学习曲线判断是否需要更多数据。
• 用误差分析决定下一步。
• 用上限分析优化复杂系统。

这些方法的共同目标是：不要只凭感觉改模型，而是用实验和数据决定下一步。