機器學習基石 机器学习基石（Machine Learning Foundations） 作业1 习题解答

        大家好，我是Mac Jiang,今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业1的习题解答。笔者是在学习了Ng的Machine Learning之后开始学习这门课程的，但还是感觉收获颇丰。Ng的课程主要站在计算机专业的角度，教你如何使用机器学习，注重方法而不是数学推导，是一门很好的入门教程；而林轩田老师的机器学习基石是站在统计分析角度，证明机器学习算法为什么要这么做，更加注重于理论的证明，如果你想更加深入了解机器学习，或者想自己编写机器学习算法的，学习这门课还是很有必要的！

        首先声明，笔者在这里提供一些作业解答的目的不是为了让你得到更高的分数，而是对一些学习上有困难的同学提供一些帮助。笔者的目的是提供一种可行的思路，但是说实话，这里面很多题目笔者也没能够理解。所以如果各位博友发现任何错误或者有更好的思考方法，请留言联系，谢谢！再次提醒：请不要以此博客作为通过考试的用途，还是更好学习、理解课程的途径！

其他解答看汇总帖：http://blog.csdn.net/a1015553840/article/details/51085129

1.第一题

（1）题意：下列哪些问题最适合用机器学习解决

（2）分析：适合用机器学习解决的问题主要包括以下特点

                    a.存在某些目标，隐藏规则（underlying pattren）

                    b.这些规则我们难以定义，不知道如何写下了

                    c.有学习这个隐藏规则的资料data

        i.区分一个数是否为素数：错误，我们可以很简单写出素数的规则，只能被1或他本身整除

        ii.确定信用卡是否被盗刷：正确，这是极其学习里面的异常点检测问题

        iii.确定一个物体的落地时间：错误，这里有物理学公式，h=0.5*g*t^2

        iv.确定拥挤路口交通信号灯的最佳循环：正确

        v.确定某种药物的推荐服用者年龄：正确，可以通过聚类找出效果好的群

（3）答案：ii，iv,v

2.第二题

（1）题意：问题2-5,都是确定相对于每种任务的最佳机器学习算法。下象棋，利用不同的策略并把输出作为反馈

（2）分析：这显然是增强学习（reinforcement）。增强学习是指设计回报函数，若决定进行一步，如果这部的表现结果较好，则给一些正回报，如果这一部表现结果较差，则返回一些负的回报。这道题显然，利用输出作为反馈，可以知道这步棋的好坏，给予相应的回报。

（3）答案：reinforce Learning

3.第三题

（1）题意：在没给定标题的情况下分类书本

（2）分析：这显然是无监督学习（unsupervised learning）。书本没有给定标题，即样本没有y值。可以根据数的单词，厚度等特征聚类，将特征相近的聚为一类，这是无监督学习

（3）答案：unsupervised learning

4.第四题