吴恩达机器学习课程笔记——第一周

吴恩达机器学习课程笔记

---

---

第一周

第一周内容主要是对于机器学习领域的概述以及引论部分。

主要内容：

1. 机器学习
2. 监督学习
3. 无监督学习
4. 回归
5. 分类
6. 聚类
7. 异常检测
8. 降维

---

一、机器学习是什么？

“Field of study that gives computers the ability to learn without being explicitly programmed.”Arthur Samuel

机器学习概念中，最明显的特征就是非显式编程。即不人为的为程序指定具体算法步骤，而是让机器自己学习。

二、监督学习与非监督学习

Supervised learning.Learns from being given"right answers".

Unsupervised learning.Don’t have the"right answers".It finds something interesting in unlabeled data.

监督学习的数据集既有输入x也有给定标签y，而非监督学习没有给定标签y，需自行发现数据集的结构特征或其他有趣的东西。

监督学习有以下几种：

1. Regression 回归
2. Classification 分类

非监督学习有以下几种：

1. Clustering 聚类
2. Dimensionality reduction 降维
3. Anomaly detection 异常检测

2.1 回归

Regression.Predict a munber from infinitely many possible outputs.

回归用于预测，得到一个具体的数值。

2.2 分类

Classification algorithms predict categories.Predict a small number of possible outputs.

2.3 聚类

Clustering places the unabeled data into different custers.

聚类与分类的区别在于，分类的数据集具有标签且分类种类明确；而聚类数据集没有标签，且分成的种类数并非已知。

2.4 异常检测

Anomaly detection.Find unusual data points.

2.5 降维

Dimensionality reduction.Compressdata using fewer numbers.

三、Jupyter Notebook

一个有趣的网页编程项目，网址here。