吴恩达《机器学习》课程笔记归纳（一）-- 初识机器学习

最新推荐文章于 2023-07-31 10:37:36 发布
最新推荐文章于 2023-07-31 10:37:36 发布
阅读量757 收藏 2
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aa_JamesJones/article/details/82689826
版权
这篇博客是对吴恩达机器学习课程的笔记整理，介绍了机器学习的基本概念，包括Tom Mitchell的定义。接着详细讲解了监督学习，通过房价预测和乳腺癌分类的例子阐述了回归和分类问题。最后提到了无监督学习，特别是聚类算法在谷歌新闻等场景的应用。
摘要由CSDN通过智能技术生成

 

参考地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

1. 什么是机器学习

一个年代近一点的定义，由 Tom Mitchell 提出，来自卡内基梅隆大学，Tom 定义的机器学习是，一个好的学习问题定义如下，他说，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。经验 E 就是程序上万次的自我练习的经验而任务 T 就是下棋。性能度量值 P 呢，就是它在与一些新的对手比赛时，赢得比赛的概率。

我们假设您的电子邮件程序会观察收到的邮件是否被你标记为垃圾邮件。在这种 Email 客户端中，你点击“垃圾邮件”按钮，报告某些 Email 为垃圾邮件，不会影响别的邮件。基于被标记为垃圾的邮件，您的电子邮件程序能更好地学习如何过滤垃圾邮件。请问，在这个设定中，任务 T 是什么?

2. 监督学习

我们用一个例子介绍什么是监督学习，把正式的定义放在后面介绍。

假如说你想预测房价。前阵子，一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据

最低0.47元/天 解锁文章
aa_JamesJones
关注
专栏目录
【机器学习范式】监督学习，无监督学习，强化学习， 半监督学习，自监督学习，迁移学习，对比分析+详解与示例代码
qq_35831906的博客
11-11 1万+
机器学习（Machine Learning，ML）有不同的范式，这些范式描述了学习算法如何从数据中提取模式和知识。本文介绍监督学习，无监督学习，强化学习， 半监督学习，自监督学习，迁移学习，对比分析+详解与示例代码
【吴恩达机器学习笔记】第一章 绪论：初识机器学习
qq_36645271的博客
04-26 783
写在前面 吴恩达老师(Andrew Ng)的机器学习课程是Coursera上的第一门课程，也是他的经典之作。这门课程从2011年上线到2017年，本门课程已经在全球积累了180万名学员，给许多人工智能入门者提供了全新的学习途径。 这门课可以说是通向人工智能的”必经之路“。我身为一名研究NLP方向的研究生，我从刚开始连论文都看不懂到现在对机器学习的原理和其背后的数学含义有一个初步的了解，离不开这门课...
机器学习两种方法——监督学习与无监督学习
hcxddd的博客
08-02 6876
通俗讲解一.前言二.定义1.监督学习2.无监督学习三.区别四.范围1.监督学习2.无监督学习五.选择 一.前言 在介绍监督学习和无监督学习之前，我们首先来了解一下什么是特征值和目标值。 1、特征值： 特征值是指数据的特征，对于每个样本，通常具有一些 “属性”（Attribute）或者说 ”特征“（Feature），特征所具体取的值就被称作 ”特征值“。 比如，苹果的皮是”光滑“的，橘子的皮是”褶皱“的，”光滑“和”褶皱“就是 ”苹果“ 和 ”橘子“ 这两个样本的特征值。 2、目标值(标签) 目标值又叫标签，
监督学习和无监督学习
weixin_43763292的博客
06-18 1万+
cv::ml::KNearest：K最近邻（K-Nearest Neighbors）是一种基于实例的学习方法，它通过计算输入样本与训练样本之间的距离来进行分类。cv::ml::RTrees类是随机森林的实现，它支持二叉和多叉决策树，提供了参数用于控制森林的大小和生长。cv::ml::Boost类实现了Boosting算法，支持二分类和多分类任务，并提供了参数用于控制弱分类器的数量和类型。cv::ml::DTrees：决策树（Decision Trees）是一种常见的机器学习算法，用于分类和回归问题。
监督学习与无监督学习
热门推荐
全栈川川
06-02 3万+
监督学习是机器学习的类型，其中机器使用“标记好”的训练数据进行训练，并基于该数据，机器预测输出。标记的数据意味着一些输入数据已经用正确的输出标记。在监督学习中，提供给机器的训练数据充当监督者，教导机器正确预测输出。它应用了与学生在老师的监督下学习相同的概念。监督学习是向机器学习模型提供输入数据和正确输出数据的过程。监督学习算法的目的是找到一个映射函数来映射输入变量（x）和输出变量（y）。在现实世界中，监督学习可用于风险评估、图像分类、欺诈检测、垃圾邮件过滤等。在监督学习中，模型使用标记数据集进行训练，其中模
初识机器学习——吴恩达《Machine Learning》学习笔记（一）
codingforhaifeng的博客
07-01 3446
Machine Learning的定义       AI发展出来的一个领域，计算机开发的一项新功能        定义一：        在没有明确设置的情况下，使计算机具有学习能力的研究领域。                          ——Samuel（1959）        定义二：        一个适当的学习问题定义如下：计算机程序从经验E中学习解决某一任务T进行某一性能度量P，...
初识机器学习——吴恩达《Machine Learning》学习笔记（二）
codingforhaifeng的博客
07-05 427
矩阵（matrices）和向量（vectors）矩阵（matrix）    定义：由数字组成的矩形阵列（Rectangular array of numbers）。矩阵其实是二维数组的另一种说法。    矩阵的维数（Dimension of matrix）：矩阵的行数X矩阵的列数    矩阵的项（entries of matrix）：如果A是个矩阵，Aij表示的是第i行第j列所对应的元素向量（ve...
机器学习笔记 | Supervised Learning and Unsupervised Learning（监督学习和无监督学习）
qq_42646885的博客
07-28 1139
趁着开学前，计划入门机器学习，选择了coursera吴恩达老师的机器学习课程。 （如果打开视频看不了解决方法访问：https://www.cnblogs.com/marsggbo/p/7625575.html） 1、初识机器学习 机器学习的应用已经渗透了很多方面，如google搜索引擎苹果的图片识别，垃圾邮件过滤器，淘宝的推荐等等。 两种提出的机器学习的定义： Arthur Samuel...
机器学习：监督学习、无监督学习、半监督学习、强化学习
最新发布
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
07-31 2万+
机器学习是一种人工智能领域的技术，它旨在让计算机通过学习数据和模式，而不是明确地进行编程来完成任务。机器学习分为监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）、半监督学习（Semi-supervised Learning）、强化学习（Reinforcement Learning）四种
监督学习和无监督学习是什么？
苏轼说电脑真好玩
10-29 2786
吴恩达课程机器学习笔记 文章目录监督学习和无监督学习是什么？监督学习例子1.预测房价例子2 .推测乳腺癌良性是否为良性无监督学习——学习策略无监督学习应用 监督学习和无监督学习是什么？ 机器学习算法最常用两个类型就是监督学习和无监督学习。监督学习是指，我们将教计算机如何去完成任务，而在无监督学习中，是让计算机自己进行学习。二者的区别在于，监督学习里的“教”意味着在计算机学习之前，人类要给计算有正确答案；而无监督学习由于没人教，没有正确答案，计算机得自己面对数据集，分析出正确答案。 监督学习 例子1.预测房价
有监督学习、无监督学习
m0_65523585的博客
02-25 4238
有监督学习、无监督学习
机器学习（学习笔记）——监督学习和无监督学习
m0_67782255的博客
04-04 3342
机器学习可以分为两大类：监督学习和无监督学习。今天介绍机器监督学习和无监督学习。举一个简单的例子：你小时候见到了狗和猫两种动物，有人告诉你这个样子的是狗、那个样子的是猫，你学会了辨别，这是监督学习；你小时候见到了狗和猫两种动物，没人告诉你哪个是狗、哪个是猫，但你根据他们样子、体型等特征的不同鉴别出这是两种不同的生物，并对特征归类，这是无监督学习。
机器学习：监督学习和无监督学习
Hao_09的专栏
08-07 1万+
机器学习定义         机器学习是人工智能的一个分支，目标是赋予机器一种新的能力。（专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。）机器学习的应用很广泛，例如大规模的数据挖掘（网页点击数据，医疗记录等），无人驾驶飞机、汽车，手写手别，大多数的自然语言处理任务，计算机视觉，推荐系统等。         机器学习有很多定义，广
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值