吴恩达机器学习day1（了解机器学习）

前言

了解机器学习

【1】常见的机器学习的体现：

打开谷歌、必应搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌和微软实现了学习算法来排行网页每次，你用Facebook或苹果的图片分类程序他能认出你朋友的照片，这也是机器学习。每次您阅读您的电子邮件垃圾邮件筛选器，可以帮你过滤大量的垃圾邮件这也是一种学习算法。这些都是机器学习的算法

【2】机器学习的领域：

人工智能领域，有机器人、计算生物学、硅谷中大量的问题，数据库挖掘

【3】机器学习的应用：

医疗记录。随着自动化的出现，我们现在有了电子医疗记录。如果我们可以把医疗记录变成医学知识，我们就可以更好地理解疾病。再如，计算生物学。还是因为自动化技术，生物学家们收集的大量基因数据序列、DNA序列和等等，机器运行算法让我们更好地了解人类基因组，单击数据，也称为点击流数据，并尝试使用机器学习算法来分析数据，更好的了解用户，并为用户提供更好的服务，手写识别。

什么是机器学习？

没有固定的定义，需要自行体会。
值得了解的是：
【1】学习算法最常用两个类型就是监督学习、无监督学习

监督学习

[1]定义

：监督学习指的就是我们给学习算法一个数据集。这个数据集由“正确答案”组成

[2]了解

：我们以后会讲一个算法，叫支持向量机，里面有一个巧妙的数学技巧，能让计算机处理无限多个特征。

[3]基本思想

基本思想是，我们数据集中的每个样本都有相应的“正确答案”。再根据这些样本作出预测.

无监督学习

定义：

通俗地讲：无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。所以我们已知数据集，却不知如何处理，也未告知每个数据点是什么。别的都不知道，就是一个数据集

例子：

无监督学习算法可能会把这些数据分成两个不同的簇。所以叫做聚类算法。

总结：

我们介绍了无监督学习，它是学习策略，交给算法大量的数据，并让算法为我们从数据中找出某种结构。
垃圾邮件问题如果你有标记好的数据，区别好是垃圾还是非垃圾邮件，我们把这个当作监督学习问题。

新闻事件分类的例子，可以用一个聚类算法来聚类这些文章到一起，所以是无监督学习。

细分市场的例子，当作无监督学习问题，因为我只是拿到算法数据，再让算法去自动地发现细分市场。
糖尿病，当作监督学习，我们能够解决它，作为一个监督学习问题，就像我们在乳腺癌数据中做的一样。