Coursera机器学习吴恩达-Week1

机器学习定义

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

使机器在没有明确编程上的研究领域具备学习的能力.

Tom Mitchell (1998) Well-posed Learning Problem: 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 measured by P, improves with experience E.

对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习.
完全为了押韵…

机器学习算法

• 监督式学习
• 非监督式学习
• 强化学习
• 推荐系统

监督式学习介绍

如图片所示，监督式学习为right answers given.．此处为regression(回归模型).

Regression: Predict continuous valued output(price)
回归: 预测一系列的值输出(价钱)

此处为Classification(分类模型),

Classification: Discrete valued output(0 or 1)
分类: 分离值输出(0或者1)

非监督式学习介绍

模型与代价函数

代价函数: 与真实的所表现出来的误差函数.

• 线性回归: liner regression
• 损失函数: cost function
• 梯度下降: gradient descent

梯度下降

强烈建议阅读:深入浅出-梯度下降法及其实现

矩阵

略.