Coursera-Supervised Machine Learning:Regression and Classification by 吴恩达（课程笔记）

Welcome to machine learning

1、介绍常见的机器学习的应用场景：

1：使用搜索引擎时，例如谷歌，谷歌会根据用户的输入，搜索并排列好用户可能会需要的内容
2：使用趋向于展示图像的社交媒体时，可以对图像中的人物进行识别，如：Ins上，可以tag出照片中的某人。
3：在流媒体服务器上观看某个影片后，可以通过该影片获取平台的相关类型电影的推荐。
4：手机等电子设备，可以进行语音到文本的转换，并对文本信息所表示的要求进行反馈。
5：手机邮件系统中，对垃圾邮件的自动屏蔽。
6：对于关心全球气温变化的人，利用机器学习获取关于风力发电站逐渐作为重要能源生产方式之一的这种情况。
7：医学方面，利用机器学习帮助医生辅助增加医学诊断的精确度。
8：在工厂生产的流水线上，利用机器学习检测生产线的物品是否存在缺陷。

Applications of machine learning

1：课程内容：讲解常见的机器学习算法，以及不同算法的适用场景。
2：机器学习：代码处理的问题，在实际场景中变化多，更复杂，无法编写一套固定精确的代码，需要代码有自主处理问题的能力。
传统编码：所面临的的问题和处理问题的方式可以列举，可以编写一套固定精确的代码来处理实际问题，通过提前制定好规则和执行来编写代码。
3：应用领域：web search，recognize human speech,diagnose diseases from X-rays,self-driving car。
4：AGI：Artificial General Intelligence（多行业领域的人工智能普及）
5：综述：当下人工智能和机器学习已经有了很多非常实用的方法，并且已经产生了很好的效果，不过受制于数据标记等问题的限制，机器学习虽然在软件行业有非常大的盈利和使用，但在例如retail，travel，transportation automotive, material, manufacturing 等行业，还远没有产生非常强劲的动力，所以，未来是技术和行业整体的推进，是共同构建全行业智能化的AGI梦想。

What is machine learning

1、定义

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

引例：Samuel编写了一个checkers program程序，而Samuel本人并非checkers高手，他所编写的程序，可以经过上万局对弈，使程序学习到，什么样的走棋可以走向赢棋，什么样的走棋会导致输棋，从而使程序在对局中优化。（西洋棋程序可以理解为建立了一个初始的数学模型，该模型可以在对弈的过程中，不断的调整数学模型中的参数，通过足够充分的对弈次数，初始模型里的参数会逐渐收敛，通过多次重复这种数学模型在对弈中自学习的过程，使数学模型得到优化，最终的模型，就可以更好的处理西洋棋的对弈情况）

2、Machine learning algorithms引入

Supervised learning:应用广泛，经常使用，技术发展成熟
Unsupervised learning:相比监督学习来说，不够广泛，技术发展也不够成熟
课程目的：Practical advice for applying learning algorthms

Supervised learning part 1

1、什么是Supervised learning

1、解释：首先需要一个datasets，datasets的每一个数据是一组映射，映射由数据本身和数据对应的label组成，可以理解为：X—>Y or Input—>Output label。对于一个已经标记好的数据X 它拥有一个label是Y，这可以理解为，Y是当我们遇到X时，所期望的一个最佳结果（right answer）。datasets中包含多组X—>Y的映射，通过对已经给出的X和Y进行学习，从而当遇到未知的X，我们可以根据以前基于datasets学习到的经验，给出合理的预测或猜想Y。
2、举例

input（X）	output（Y）
email （spam filtering）	spam？（1/0）
audio（speech recognition）	text transcripts
English（machine translation）	Spanish
ad，user，info（online advertising）	click？（1/0）
image，radar，info(self-driving car	position of other cars
image of phone（visual inspection）	defect？（1/0）

【注】
spam filtering：输入为email，输出为是否是垃圾邮件，垃圾邮件记为1，不是垃圾邮件记为0。
speech recognition：输入为audio clip，输出为该段语音文件所对应的文本文字。
其他application如表。

3、Regression

【注】X相当于房子的平方feet数，Y就相当于房价价格，datasets中所给的标记数据如上图11个叉号，通过监督学习，模型就可以预测出例如750平方feet的房价是多少。

【注】采用不同的回归算法去拟合数据，所得到的预测结果会有很大差异，所以挑选合适的算法，对于预测结果的准确性是至关重要的。
Regression：predict a number which is infinitely many possible outputs （拟合的预测结果，是连续的不是离散的）