[Machine Learning]吴恩达机器学习笔记 一 ——绪论：初始机器学习

1、Machine Learning definition

Arthur Samul (1959): Field of study that gives computers the ability to learn without being explicitly programmed.

Tom Mitchell (1998): A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measure by P, improves with experience E.

计算机从经验E中学习，来解决某一个任务T，通过测定表现效果P来得出：在T任务中的表现是因为E经验而提高。

2、Machine Learning algorithms

Supervised learning 监督学习，教会计算机如何解决一些事情

Unsupervised learning 无监督学习，让计算机自己学习

2.1 Supervised learning

give the algorithm a data set including the right answers，给这个算法包含了正确答案的数据集，目的在于给出更多类似的问题的正确答案。

Regression 回归问题，Predict continous valued output 预测连续的数值输出。

Classification 分类问题，Predict discrete valued output 预测离散值输出（1/0)。解决例如：Spam filter problem 垃圾邮箱过滤问题。实际中，可能输出多个值

Support Vector Machine 支持向量机算法

2.2 Unsupervised learning

给出数据集，can you find some structure in the data ?

clustering algorithm 聚类算法, 案例：google news example

Cocktail party algorithm 鸡尾酒晚会算法，解决 Cocktail party problem 鸡尾酒晚会问题

鸡尾酒晚会问题，在相同环境下的录音最后分离出不同的声源，实际应用如QQ音乐的识别音乐功能，在有周围环境影响的因素下识别（提取）出环境中的音乐名。

一行代码实现这个处理音频、分离音频的问题

[W, s, v] = svd((repamt(sum(x.*x, 1), size(x, 1), 1).*x)*x');


svd(), single value decomposition,奇异值分解

先在Octave or Matlab 环境中学习算法，然后用其他编程语言实现会更快。

Octave： https://www.gnu.org/software/octave/

Matlab：https://ww2.mathworks.cn/