Andrew Ng lesson1 笔记

学习目的：了解算法原理，更重要的是如何使用算法做出有用的东西。想象一个工匠，有原料，锤子，杰出的工匠可以做出杰出的东西。而我们不仅要学会如何用锤子，还要用锤子做出好的东西。

1.机器学习

定义：从过往已经存在的数据中，机器可以学习到一些模式，来预测或指导以后的行为。

2.监督学习：

数据是带有标签的，比如肿瘤病人数据，一个样本中明确给出了这个人是不是患有肿瘤。

监督学习有两类问题。回归与分类。

回归问题要预测的标签y的取值是连续的，比如预测房价

分类问题要预测的标签y的取值是离散的，比如判断一个人是否患有肿瘤

3.非监督学习

数据不带有标签，要从数据中探测挖掘出模式。

典型的问题有聚类问题。比如肿瘤数据，但是不带有标签，也可以从数据中习得某种模式，将数据分为两类。

4.强化学习

监督学习与非监督学习是给一个数据（一个样本）一个明确的判断，不再有后续的决策。如判断一个人是否患有肿瘤，只需要判断一次给出结论就可以了。但是强化学习需要给出一系列的决策，比如机器人。

ps:理解不到位，需要继续学习。非监督学习也可以理解为一系列决策啊，先训练一个参数，后续的样本不断修正这个参数。

5.如何判断需要多少数据集可以达到想要的精度。

减少人工打标签的成本

ps:后续跟进，如何判断呢