1樓：裴小浩
20150828更新針對 @蘋果的味道 提的問題，翻了一下書本
模式識別的方法中可以分為兩類，一類是假設概率密度函式的引數形式已知，學習其中的引數。另一類是不假設概率密度函式，因為在現實世界中，一般給出的概率密度函式形式很少符合實際情況，模式識別中有很多有趣的非引數方法。-----《模式分類》
非引數方法不了解，不多說了。
首先要告訴題主，機器學習學的是引數不是函式。
舉個例子告訴你（大牛請跳過）：
我有10個樣本,我現在假設這10個樣本是乙個二次函式產生的，乙個二次函式,機器學習的目的就是學出來乙個最靠譜的。
所以如果你不告訴我函式的形式，那我只能夠假設出來一些基本的函式的組合形式例如來表示你的函式，然後再求引數。
所以整個過程其實還是在求引數，如果我組合的函式表達不了你的函式，你就會有很大誤差。學出來的模型就會不靠譜以至於沒有實際意義。
很遺憾，你上面的兩個函式都不能通過帶引數的函式表達出來。
第一函式是計算機不能用乙個float型別表示所有實數。
第二個函式是因為目前不存在乙個O(1)的函式，可以直接判斷乙個數是不是素數，你要是找到乙個函式估計數學界要沸騰了。（多謝 @菜魚ftfish 指出錯誤）
所謂的機器學習，機器為什麼可以學習？
桂能 1.所謂學習，就是讓機器像人一樣去做事 2.這裡的做事，需要形式化一下，就是我們首先要定義乙個任務，比如說0 1分類，那麼任務描述起來就是對於乙個東西 樣例 x我們給他乙個標記0或者1。這就是最簡單的任務了，所以如果形式化就是，我們要找乙個對映f x y 其中y屬於 0,1 3.那麼現在所謂機...
機器學習中的目標函式 損失函式 代價函式有什麼區別？
zys 嚴謹來說是有區別的 A loss function is a part of a cost function which is a type of an objective function.損失函式 loss function 通常針對單個樣本2.代價函式 cost function 針對...
機器學習可以學習調參嗎？
Machine Learning的問題在實際操作中可以看作是調參問題，那麼能不能用機器學習來代替調參是乙個很自然的想法.於是就有了Meta Learning這個研究方向 王博文 題主的問題，我也想過，然後寫了下面這篇文章 王博文 什麼時候機器學習不再需要人工調參了？雖然沒本題下面的其他回答那麼高大上...