【吴恩达机器学习】章节1 初识机器学习

课程视频：网易云课堂

课程详细笔记：github

已经有的笔记：https://blog.csdn.net/qq_34611579/article/details/80665546

<我的记录仅是整理自己的学习思路，整理复习之用>

目录:

+ 初识

+ 什么是机器学习

+ 监督学习

+ 无监督学习

 

一·初识

机器学习

- 是从AI发展出来的一个领域

- 为计算机开发的一项新功能

Example:

- 数据挖掘：网络和自动化技术的发展产生了大量的数据集

例：点击流数据，医疗记录，计算生物学，工程学所有领域

- 我们无法手动编写的程序

例：自动直升机，手写识别，自然语言处理，计算机视觉

- 私人定制程序

例：亚马逊推荐

- 理解人类的学习过程和大脑

 

二·什么是机器学习

Arthur Samuel定义(1959)：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。

om Mitchell定义(1998)：计算机程序从经验E中学习解决某一任务T进行某一性能度量P，通过P测定在T上的表现因经验E而提高。

例:跳棋游戏：经验E：程序与自己下几万次跳棋

                       任务T：玩跳棋

                       性能度量P: 与新对手玩跳棋时赢的概率

机器学习算法：监督学习，无监督学习，强化学习，推荐系统

 

三·监督学习

例子1：房价预测

1.粗浅：Supervised Learning:" right answers" given

给算法一个数据集，其中包含了正确答案，算法的目的就是给出更多的正确答案。

2.专业：Regression:Predict continuous(回归问题）

预测连续值的属性

 

例子2：预测乳腺癌恶性还是良性

多个特征到无穷 一个属性-肿瘤的大小

 

1.专业：Classification(分类问题）

预测离散值输出

总结：监督学习就是对于数据集中的每个样本(包含正确答案)进行算法预测，得出更多‘正确答案’。回归是预测一个连续值输出，分类是预测离散值输出

 

四·无监督学习

 

在无监督学习中，所用的数据没有任何标签或都具有相同标签，寻找其某种结构（上图聚类算法）

例：谷歌新闻，根据给定基因将人群分类，大型计算机集群，社交网络分析，市场细分，天文数据分析，鸡尾酒会问题(一行代码：Octave)。