【一】机器学习的动机与应用

高能预警：第一段差不多都是废话

前一段时间在网易公开课学习了大牛吴恩达的《机器学习》课程，我虽然之前零零散散接触过机器学习，也写过一点小程序，但学习了大牛的课程后感觉受益良多。这门课大概是五年前Standford上传的，不得不感叹顶级的学校自然有顶级的观念、教师和资源。之前学习《信号与系统》时，也是直接找到了Oppenheim本人的课程，其讲课之细致，引人入胜，至今印象深刻。

大概介绍一下《机器学习》这门公开课，一共分为20集：

第一集为综述，介绍了机器学习的定义和课程安排的特点，并介绍了机器学习的三种分类：监督学习、无监督学习和强化学习；

第二至第十一集主要介绍了监督学习，其中二至六介绍了常见的算法如梯度下降、牛顿方法、朴素贝叶斯等，但涉及神经网络的部分一带而过，这也是我觉得这门课介绍不太全面的地方，好像吴恩达相比神经网络更喜欢SVM一些（这是我猜的，各位大佬轻喷）；七、八集介绍了SVM算法，包括核模型、SMO等等；九至十一集介绍了学(wo)习(bu)理(tai)论(dong)，我感觉就是在教如何选择参数、清洗数据从而把数据用于模型中；

第十二至第十五集介绍了无监督学习，包括了无监督学习必讲的K-means算法，此外还涉及了EM算法、PCA和ICA，其中也穿插了对奇异值分解的讲解，不过这部分如果要深究的话建议看一些专业的书籍，课程中讲解比较浅；

第十六至二十集介绍了强化学习，比较坑的地方在于课程的讲义好像只提供到第十六集，后面的翻译也飞到天上去了，这部分主要讲了马尔科夫模型及其变种，学通信的看起来稍微轻松一点（并不:(。。。）

其实听课时已经在本上写下了笔记，这次写在博客上也是为了复习一下，作为一个常给自己挖坑的人，真的害怕更不下去啊啊啊啊啊啊啊啊啊。

//这里是分割线

//顺便给自己的公众号打个广告

//关注我的公众号可以看到更多有意思的东西哦~