ML.Andrew Ng 4.24

机器学习定义

近代的定义如下:一个计算机程序叫做机器学习,如果它从任务T的经验E中学习,该程序依赖某种指标P.并且以指标P衡量的任务T的表现随着经验E的增长而提升.

举例子:开发一个自动将邮件分类为垃圾邮件的程序
经验E:机器观察你将邮件标签为垃圾邮件或者不是垃圾邮件
指标P:被正确分类的垃圾邮件占所有邮件的比例
任务T:程序将邮件分为垃圾邮件或者不是垃圾邮件

机器学习问题

回归问题

有离散的数据,能够从数据当中得到数据的相关关系,这就是回归问题。
假定你是某公司的负责人,你的手下有一批货物,你想要知道这批货物在接下来三个月里能够卖出多少钱,这个时候就是对这批数据进行回归分析。

分类问题

举个例子:假定我现在想知道我公司消费者的账户有多少被黑过. 我想要实现的目标也就是预测一个离散值输出,在实际问题中,给定某个肿瘤的大小,我能够输出以不同概率表示的恶性和良性肿瘤的结果.

分类问题也包括逻辑回归问题,例如非常著名的乳腺癌肿瘤判断问题,给定几个特征如:肿瘤的大小、患者的年龄

监督学习

监督学习的主要定义是,有一堆正确答案,即已经测试正确的测试集,现在想通过机器学习将其他数据得到正确答案

无监督学习

无监督学习即在上面有监督学习的基础上,给定一个数据集,但是我不知道这个数据集意味着什么.
试图开发一个程序从我们已经有的数据集当中得到某种结构.

你可能感兴趣的:(ML.Andrew Ng 4.24)