【机器学习】吴恩达课程1-Introduction

一、机器学习

1. 定义

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P,通过P测定在T上的表现因经验E而提高。

2. 例子

跳棋程序

E:程序自身下的上万盘棋局

T:下跳棋

P:与新对手下跳棋时赢的概率

二、监督学习Supervised Learning 

1. 定义

给算法一个数据集,其中包含了正确答案,算法的目的是给出更多的正确答案。

2. 例子

(1)预测房价(回归问题)Regression problem

回归:Predict continuous valued output

目的:预测连续的数值输出

请添加图片描述

 ·  用直线拟合

【机器学习】吴恩达课程1-Introduction_第1张图片

 · 用二次函数或二阶多项式拟合(效果更佳)

【机器学习】吴恩达课程1-Introduction_第2张图片

 (2)预测肿瘤是良性或恶性(分类问题)

分类:Discrete valued output ( 0 or 1 )

目的: 预测离散值输出。就本问题而言,结果只有0和1的输出。

【机器学习】吴恩达课程1-Introduction_第3张图片

 · 有两个特征影响的时候:

在这里插入图片描述

 · 算法最终的目的是解决无穷多个特征的数据集

三、无监督学习Unsupervised Learning 

1. 定义

只给算法一个数据集,但是不给数据集的正确答案,由算法自行分类。

2. 聚类算法

(1)谷歌新闻每天收集几十万条新闻,并按主题分好类
(2)市场通过对用户进行分类,确定目标用户
(3)鸡尾酒算法:两个麦克风分别离两个人不同距离,录制两段录音,将两个人的声音分离开来(只需一行代码就可实现,但实现的过程要花大量的时间)

你可能感兴趣的:(机器学习,机器学习)