机器学习吴恩达第一章 引言

看吴恩达教授视频课的一些笔记。

1.1 欢迎

1.2 机器学习是什么

一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。

以下棋举例，E是程序上万次的自我练习的经验；T是任务下棋；P是赢得比赛的概率。

主要的两类算法为：监督学习和无监督学习。

1.3 监督学习

经典例子：预测房价

横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千美元。那基于这组数据，假如你有一个朋友，他有一套750平方英尺房子，现在他希望把房子卖掉，他想知道这房子能卖多少钱。

监督学习指我们给学习算法一个数据集，由正确答案组成，从而算出更多的正确答案。

我们试着去推出这一系列连续值属性，这叫做回归问题。

第二个经典例子检测肿瘤

横轴表示肿瘤的大小，纵轴标出1和0表示是或者不是恶性肿瘤。如果是恶性则记为1，不是恶性，或者说良性记为0。

在知道一个肿瘤大小时去估算是良性还是恶性的概率，是分类问题。

当特性变多时，支持向量机中的巧妙数学方法，可以让计算机处理无限多个特征。

1.4 无监督学习

有监督学习是训练集对应正确答案。而无监督学习中，数据本身没有任何标签，或者都有着相同的标签。针对数据集，无监督学习就能判断出数据有两个不同的聚集簇。

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。

经典例子是谷歌新闻，会将大量新闻分组，聚类在一起。

另一个经典例子为鸡尾酒晚会，无监督的分离声音。