吴恩达机器学习笔记（1）

前情介绍

 课程视频来源：http://open.163.com/special/opencourse/machinelearning.html

 参考笔记黄海广博士的个人笔记：http://www.ai-start.com/

 本笔记为个人学习笔记，作为初学者，实在是才疏学浅，也肯定存在问题，欢迎大家沟通交流。

---

一、监督学习

1. 我们给计算机提供一组正确的数据集，也就是这个问题的标准答案 （标准输入对应的标准输出），让计算机分析这其中的联系，然后最后我们给他一个输入，让他得到输出
2. 分类
   •    回归问题——变量连续【房屋房价问题】
   •    分类问题——变量离散【肿瘤问题】
3. 在许多问题中要考虑输入多个变量和多个特征参考，一个参考属性作为一个维度，故会出现无限维的问题，你的数据可以在二维坐标画出来 但是无限维你没有办法。

解决方法：支持向量机算法，将数据映射到无限维之中。

                 针对这个无限维空间的点，暂时没讲?

 

**关注：数据量是否足够

 

二、无监督学习

1. 给你一组数据，不告诉你正确答案，然后询问：你能在这组数据中寻找一些有趣的结构么？
2. 无监督学习有趣在于 no right answer
3. 常见案例

• 聚类问题——图片的像素分析
• 应用于计算机视觉 图像分析
• 应用聚类结果 得到图片的分类  然后构建3D模型
• 社会网络分析 市场划分 计算机集群组织

            ！由算法发现隐藏在数据背后的结构

 

三、强化学习

1. 在一段时间内做一系列决策
2. 回报函数：正确的事情获得正反馈
3. 关键在于你要知道你自己想要什么 如何去定义一个行为是好的行为
4. 应用领域：机器人 网页爬取