机器学习cs229——（一）概要

目录

监督学习（supervised learning）

机器学习理论

无监督学习

增强学习

---

机器学习：使计算机模拟或实现人类的学习行为，以获取新的知识或技能。并重新组织已有的知识结构使之不断改善自身的性能。

监督学习（supervised learning）

问题引入

根据给定的一组采集数据，预测房价。

 我们可以看到，问题只有单个输入变量，即单个特征。因变量为价格，可以取任意值，即连续。因此我们可以利用线性回归将给定数据拟合成一条曲线（直线或抛物线等），来解决该回归问题。然后我们就可以在这条曲线上去预测其他已知面积房屋的价格了。

 

对于另一类问题，例如根据医院的肿瘤诊断数据，预测肿瘤性质。

易知，因变量肿瘤性质不是恶性就是良性，即离散。对于这种分类问题，我们可以使用逻辑回归来处理。

上例仍然只有单个输入变量。但多数情况下，需要考虑多个输入变量和特征，如下例：

输入变量包括患者年龄和肿瘤大小，输出变量为肿瘤性质。

 

机器学习理论

探究为什么机器学习算法是有效的。

 

无监督学习

利用聚类算法，将无标签的数据进行分类。

 

无监督学习还可以用来解决有趣的鸡尾酒问题，在混合在一起的声音中对某一个声音进行提取。除此之外，文本处理、理解功能分级和机械数据等也可以使用这类无监督学习算法来解决。

 

增强学习

增强学习可以使电脑自主学习，其关键概念在于回报函数（惩罚函数）。计算机在一段时间内做出一系列决策，每次决策后通过回报函数来判断该决策是好是坏，然后改善自己的决策模型。