我在b站学ML（一）

对，就是吴恩达老师的machine learning的公开课，在我大b站有中文简体字幕版而且不会像在coursera上那么卡。

课程链接：https://www.bilibili.com/video/av9912938/

区分监督学习和无监督学习：

一、监督学习：教计算机如何去完成任务（告诉计算机这个该怎么做，那个该怎么做的基础上让计算机学会这些操作，或者说给计算机具有特征的数据让它学习，然后对未知特征的数据做预测），还有一种说法：通过海量的标记过的数据，就相当于人类在学习中通过大量的做题，然后每做一个题都知道对错，没有错的话就加强这个过程，有错的话就反向改进。

回归问题：

有一堆货物的清单，假设一些货物有几千件可卖，预测出在未来三个月能卖出多少货物。有几千件货物，只好把它当作一个实际的值，一个连续的值，也把卖出的数量当作连续值。

分类问题：

有很多用户，写个程序来检测每个用户的账目，对每个用户的账目判断这个账目是否被黑过。可以把想预测的一个值设为0，表示账目没被入侵过，另一个设为1，表示被入侵过，类似癌症例子，0表示良性，1表示恶性，通过算法预测出是两个值中的哪个。

二、无监督学习：让计算机自己去学习（给计算机的数据都是一样的，没有特征或者标签，我们也不知道该怎么处理，没有给算法一个正确答案），还有一种说法：不需要人为的标签数据，它是监督式和强化学习等策略之外的一个选择。典型的非监督学习有聚类等，它是直接从数据中寻找相似性，即规律。

聚类：谷歌新闻收集成千上万的新闻再将其分为不同的板块的内容，基因个体聚类、社交网络等等。

非聚类：鸡尾酒宴上分离不同人的声音。