Andrew Ng 机器学习笔记（一）

第一节课也没讲什么主要讲了一下什么是机器学习，机器学习能做什么，未来的前景等等。

知识上讲了：

1）什么是监督学习

监督学习就是说你应该有比较大量的训练集来让机器进行学习，随后机器来进行某种预测。他举例是分类算法，分类算法通过之前的训练集来了解什么样的样本更具有某种特性。

2）什么是非监督学习

非监督学习就是说机器的自我学习是不需要任何训练集的，随意给一组数据就能够进行学习。他举例是聚类算法，像k-means这都是最经典的聚类算法，他们对数据类进行聚类而不需要任何的训练集。还举了图像的聚类方法，有点像是边缘检测这类的，应该是根据图像rgb值的差异进行聚类吧。

3）什么是深度学习

深度学习的动机在于可以模拟人脑进行分析学习的神经网络，它模仿人脑的机制解释数据，例如图像、声音、和文本。深度学习是无监督学习的一种。深度学习可以理解为传统神经网络的发展。大约二三十年前，神经网络是机器学习领域特别热门的方向，这种基于统计的机器学习方法比起过去基于人工规则的专家系统，在很多方面显示出优越性。二者的相同之处在于，深度学习采用了与神经网络相似的分层结构：系统是一个包括输入层、隐层，输出层 的多层网络，只有相邻的节点之间有连接，而同一层以及跨层节点之间无相互连接。这种分层结构，比较接近人类的大脑结构。