【机器学习】课程笔记01_引言(Introduction)

前言

• 机器学习（Machine Learning）
  • 从AI（人工智能）发展出来的一个领域
  • 为计算机开发的一项新功能
• 应用领域：
  • 数据挖掘（Database mining）：自动处理大量数据集（用户点击数据、医疗记录等）。
  • 无法手动编写的程序：例如自动驾驶、手写文字识别、自然语言识别、计算机视觉。
  • 私人定制程序：推荐算法。
  • 理解人类的学习过程和大脑

什么是机器学习

1. 在没有明确设置的情况下，是计算机具有学习能力的研究领域。
2. 一个适当的学习问题定义如下：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。

• 学习算法分类：
  • 监督学习（Supervised learning）：我们教会计算机做某件事情。
  • 无监督学习（Unsupervised learning）：计算机自己学习。
  • 强化学习、推荐系统

监督学习（Supervised Learning）

• 我们给算法一个数据集，其中包含了正确答案（right answer），算法的目的是给出更多的正确答案。
• 回归问题（Regression Problem）：预测连续值输出（例如预测房价）。

• 分类问题（Classification Problem）：预测离散值（Discrete）输出（例如判断肿瘤恶性良性）。

无监督学习（Unsupervised Learning）

• 所用的数据没有任何标签或都具有相同标签，未被告知数据集用来干什么，从中发现某种结构。
• 聚类算法（Clustering Algorithm）：给定数据集，无监督学习算法可能判定该数据集包含两个不同的簇。（例如谷歌新闻自动分簇，DNA拥有特定基因程度）
• 应用：
  • 组织大型计算机集群
  • 社交网络的分析
  • 市场细分（区分客户群体）
  • 天文数据分析
• 鸡尾酒会算法（Cocktail Party Algorithm）：分离两个被叠加混合到一起的音频源。

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