斯坦福大学机器学习公开课---1.机器学习简单介绍

斯坦福大学机器学习公开课---1. 机器学习简单介绍

1.1  介绍

机器学习流行原因---

1)      由人工智能AI发展来的一个领域

2)      是计算机需要开发的一项新的能力，涉及工业和基础学科中的很多内容。

应用学习算法，如设计自主机器人，计算生物学和其他被机器学习影响的领域。

1.2  机器学习应用

1)        数据挖掘

网站点击流数据、电子医疗记录、计算生物学和工程学。

2)        无法手动进行编程的领域

自动直升机、手写体识别、自然语言处理NLP和计算机视觉。

3)        自我定制程序

Amazon, Netflix（网飞公司）的产品推送。

4)        理解人类的学习（大脑，real AI）

1.3 机器学习定义

Machine Learning definition

1)      Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.（曾经编写过跳棋程序）

2)      Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said tolearn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

2  Machine learning

2.1  Machine learning algorithms:机器学习算法分类

Supervised learning 监督学习

Unsupervised learning 非监督学习

Others: Reinforcement learning增强学习, recommender systems推荐系统.

2.2  Introduction to Supervised Learning监督学习介绍

Supervised Learning :“right answers” given.

给算法一个数据集，并给定每个样本“正确的答案”(标记，正样本和负样本)。

l Regression：Predict continuous valued output (price).回归问题，用来预测连续性输出值。

l Classification：Discrete valued output (0 or 1)

2.3  Introduction to Unsupervised Learning非监督学习介绍

Unsupervised Learning : “right answers”  are not given.没有标记正负样本之分。

无监督学习（聚类算法）：给定一个训练数据集，从中找到某种结构，即将数据集分为几个聚类。（让算法自己从数据中发现一切）

Cocktail party problem algorithm:[W,s,v] =svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');