吴恩达机器学习（第一章）——初识机器学习

第一章 初识机器学习

前言

Machine Learning：
Grewout of work in AI，newcapability for computers
机器学习
人工智能的伟大成就，计算机的新功能

机器学习的例子
数据挖掘	自动化/网络化发展带来的大数据集
不能用手编写的应用程序	example. 自然语言处理NLP，计算机视觉CV
个人定制程序	example. 亚马逊的产品推荐

机器学习定义

旧定义：在没有明确设置的情况下，使计算机具有学习能力的研究领域

新定义：计算机程序从经验 E 中学习解决某一任务 T 进行某一性能测量 P ，通过 P 测定在 T 上的表现因经验 E 而提高。

机器学习算法

机器学习算法
监督学习	人教会计算机做某些事情
无监督学习	让计算机自己学习划分数据
其他	强化学习、推荐系统等等

监督学习

监督学习（Supervised Learning）：给机器一定的训练集，训练集里面每个元素都有相应正确的标签，让机器学习这些训练集，来训练出可以达到预期相应的正确标签的模型

1. 房价预测
   

• 我们可以通过直线拟合来预测房价，也可以通过多项式拟合等其他算法来预测房价
• 对房价的预测是一个回归问题，对给定值预测实际输出
• 房价实际上是一系列离散的值，但是通常把房价看作实数，当作标量，所以把它看成一个连续的值，回归的意思是试着推测出这一系列连续值属性

2. 肿瘤预测
   

• 估算肿瘤是良性还是恶性的概率，是一个分类问题
• 分类指的是，我们试着推测出离散的输出值：0或1 。事实上在分类问题中，输出可能不止一个值，可能输出 0、1、2、3 等。
• 在其他机器学习问题中，可能会遇到多种特征需要表示的情况，以后会学习一个算法，叫支持向量机（Support Vector Machine）简称SVM，即使有无限种特征都能处理

无监督学习

无监督学习（Unsupervised Learning）：给机器一定的数据集，每条数据要么没有任何标签，要么是有相同的标签，从中找出数据的某种结构并划分

聚类算法：对于大量未知标注的数据集，按数据集的内在相似性将数据集划分为多个类别，即划分为不同的簇。聚类算法是无监督学习中最常用的一种

聚类算法的应用：

• 组织大量的计算机集群
• 社交网络分析
• 市场细分的应用
• 天文数据的分析
• ······

无监督学习的另一种算法是鸡尾酒算法

在一个鸡尾酒宴会中，两个人在同时说话，用两个不同位置的麦克风记录下他们的话，这听起来像是两份录音被叠加到了一起，产生了我们现在的录音，算法将会这两个音频资源区分开来

学习工具

吴恩达的机器学习课程的学习工具前几年是用的 Octave 和 Matlab，现在则是推荐使用 Python 进行学习

从2018年开始，Python 变得炙手可热，有必要学习 Python 的一些基础语法，用 Python 进行数据分析并完成作业，更好地掌握机器学习知识的应用