本系列的課程對機器學習問題有一些基本的術語需要注意一下： 1.輸入 x 2.輸出 y 3.目標函數 f，即最接近實際樣本分佈的規律 4.訓練樣本 data 5.假設 hypothesis，一個機器學習模型對應了很多不同的 hypothesis，通過演算法 A，選擇一個最佳的 hypothesis 對應的函數稱為矩 g，g 能最好地表示事物的內在規律，也是最終想要得到的模型表達式。 影片內容 pdf：https://www.csie.ntu.edu.tw/~htlin/course/mlfound18fall/doc/01_handout.pdf