Learning from data

今年2月的时候开始学习台大林轩田老师的机器学习课程，感觉讲的非常好，课程的参考教材是learning from data，网上查阅资料的时候发现关于这本书的笔记几乎没有，所以想自己做一个学习笔记，记录教材中的习题的解法，一来可以加深自己的理解，而来也可以给后来学习的小伙伴一些参考。这份笔记主要以learning from data的习题解析为主，笔记形式为Markdown以及Jupyter Notebook结合的形式，因为笔者水平有限，难免有些错误，欢迎指出。

参考资料:
https://blog.csdn.net/a1015553840/article/details/51085129
http://www.vynguyen.net/category/study/machine-learning/page/6/
http://book.caltech.edu/bookforum/index.php

书籍介绍：

https://book.douban.com/subject/11026330/

校阅：Wang

补充说明：仓库中有四类文件，分别是Jupyter Notebook，py，pdf，md，代码部分保存在Jupyter Notebook和py文件中。

更新日志：

2018/6/1

• 上传Chapter1

2018/6/15

• 上传Chapter2
• 2018/10/8日更新：根据网友RingoTC提醒(链接)，修改problem 2.2并对一些排版做了一些调整。

2018/7/1

• 上传Chapter3

2018/7/15

• 上传Chapter4,Chapter5

2018/7/31

• 上传Chapter8

2018/9/5

• 上传Chapter7

2018/11/29

• 感谢黄博的推广，最近star的小伙伴逐渐增多，我后续会抽空对资料进行一些优化，如果大家发现什么问题可以直接发issue，希望能借助大家的力量把这份资料做的更好，谢谢！另外最后两个章节已经完成了一部分，争取年底左右完成。

2018/12/4

• 上传Chapter6，Chapter9的草稿，其中Chaper6大部分已经完成，Chapter9只完成了一部分，后续部分会尽快给出解答。

2018/12/12

• 完成Chapter9绝大多数内容，剩余少部分等有空再解答。

2018/12/14

• 完成Chapter6绝大多数内容，剩余少部分等有空再解答。

2018/12/18

• 今天挺多朋友关注到这份资料，还是挺高兴的，我后续还会对资料进行优化，不过由于期末考，这个工作应该会等到一个月之后开始。

2019/2/11

• 从今天开始优化笔记内容，今天对第一章Exercise部分进行改正以及代码优化。

2019/2/12

• 完成Chapter 1的优化，补充了Hoeffding不等式的初等证明。

2019/2/20

• 完成Chapter 2的优化。

2019/3/6

• 完成Chapter 3的优化。

2019/3/13

• 完成Chapter 4的优化。

2019/3/15

• 完成Chapter 5的优化。

2019/3/24

• 完成Chapter 8的优化。

2019/4/4

• 完成Chapter 7的优化。

2019/5/1

• 完成Chapter 8的优化。

2019/5/4

• 完成Chapter 9的优化。

总结：

​ 前后历时半年多，总算把LFD的习题整理完了，除了第六章，第八章和第九章少部分习题以外，其他所有习题均已完成。教材的上半部分（第一章到第五章）是精髓，补充部分（第六章到第九章）有部分章节稍显仓促，而且有一些小错误，第九章部分实际应用可能较少，但是总的来说，本书绝对是一本不可多得的好书。

​ 这本书是台大林轩田老师的机器学习课程配套教材，内容通俗易懂，非常精彩，不是单纯罗列公式，是一本非常适合入门的机器学习书籍。但是尽管该书是一本入门书籍，要吃透这本书还是需要相当多的时间，尤其是课后习题部分，有的难度非常大，所以我在学习的过程中将习题都整理了一遍，方便自己以后查阅和他人参考。

​ 后续的计划是明年初将课本再复习一遍，并对自己整理的资料再优化一下，完成剩余没有完成的题目，有时间的话会写一些学习笔记，将课本中的算法自己都实施一遍。如果各位读者发现哪里有问题或者有更好的解法，可以发issue或者给我发邮件，我会及时更新我的习题解答，谢谢。

习题完成情况：