机器学习-斯坦福大学-Lecture1-机器学习入门
在网上搜索过很多资料,最终确定以Coursera上斯坦福大学的公开课 机器学习(Andrew Ng)作为入门资料
摘要:
1.1欢迎
应用场景举例
- 你打开谷歌、必应搜索到你需要的内容,正是因为他们有良好的学习算法
- 你用 Facebook 或苹果的图片分类程序他能认出你朋友的照片,这也是机器学习
- 你每次阅读你的电子邮件垃圾邮件筛选器,可以帮你过滤大量的垃圾邮件这也是一种学习算法
- 每次你去亚马逊或 Netflix 或 iTunes Genius,它都会给出其他电影或产品或音乐的建议,这是一种学习算法
为什么机器学习如此受欢迎呢?
机器学习不只是用于人工智能领域
- Database mining 数据挖掘
Large datasets from growth of automation/web.
E.g., Web click data(Web点击数据), medical records, biology(计算生物学), engineering - Applications can’t program by hand.
E.g., Autonomous helicopter(自动驾驶直升机), handwriting recognition(手写识别), most of Natural Language Processing (自然语言处理), Computer Vision(计算机视觉). - Self-customizing programs(私人定制)
E.g., Amazon, Netflix product recommendations(产品推荐) - Understanding human learning (学习算法被用来理解人类的学习和了解大脑).
1.2机器学习是什么
机器学习的定义
- Arthur Samuel:在进行特定编程的情况下,给予计算机学习能力的领域。
- Tom Mitchell: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。
练习题
Suppose your email program watches which emails you do or do not mark as spam, and based on that learns how to better filter spam. What is the task T in this setting?
- Classify