小冯机器学习第一天

吴恩达机器学习

机器学习## 监督学习## 无监督学习

第一天：

1. 什么是机器学习？

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，通过P测定在T上的表现因经验E而提高。

那么，我们对这段话来两个例子进行一个通俗的讲解。

*1.*Samuel制造了一个玩跳棋的程序，但他自己并不是一个跳棋高手。在这里，他通过让程序与自己对弈数万次，通过观察哪些布局容易赢，哪些布局容易输。于是一段时间后，按照剧情的发展，这个跳棋程序很nb了。
那么这很明显是跳棋程序一个机器学习的过程。于是，我们将其带入定义，得到

定义	实例
经验E	程序和自己上万次对弈的经验
任务T	进行跳棋游戏
性能度量P	与对手玩跳棋的胜率

2. 两种学习算法

1. 监督学习

• 博主自己的理解就是，我们给与机器一组带正解的数据集，当然有的人也称作是带标签的数据集，然后让机器根据这组数据集给出更多数据的对应正解或者是标签。

• 举个例子

这是一张不同规格房子的市场价格，这里的价格就是博主所说的正解或是标签，我们把这组数据集交给机器，机器试着用一条曲线或者直线经过最多的“×”，例如第二张图里机器就可以告诉我们750对应规格的房子价格，当然，数据越多，机器给我们的数据就能更准确。

相应的，还有比如我们有一组在不同状态下的肿瘤是良性还是恶性的数据集，我们交给机器，机器能推测出某种状态下肿瘤的良性还是恶性，记住这个加粗的内容，就是这组数据集的正解或是标签。

监督学习又可以分为两大类，我们根据给出的正解或者标签简单的做出区分：

1. 回归问题==>>正解和标签是一串连续的值，比如上述的房价，是大致可以连起来的一条线
2. 分类问题==>>正解和标签是一组或多组离散值，比如我们定义肿瘤的恶性是1，良性是0，那么0和1我们可以明显看出来他们是离散的，不存在连续的什么0.1,0.2这些数值的，是吧，各位!哈哈哈!打累了，放松放松

2. 无监督学习
这个咱们可以利用监督学习的定义来进行了解，博主觉得这样会更轻松也更容易理解

之前咱们不是说了监督学习要求数据集包含正解或者是标签吗，那么无监督学习就是不包含这些的数据集，让机器自己去得出正解或者标签。

• 咱们继续开始无厘头的举例子环节
• 这是一组人际关系图，我们倘若知道了每个人的社交圈。那么机器是否便可以能知道哪些人是一个圈子的，或者判断哪些人是认识的？

那我们都知道每个大公司都有属于自己的客户信息数据库，那么对于一个客户信息数据集，机器是否能自动找出不同的市场分割？

• OK，我们知道是可以的，那么这就是无监督学习的一些应用，准确的说呢，是无监督学习中的一类==>>聚类学习的应用。
• 那么，我们顺势讲一下另一种==>>鸡尾酒会算法

鸡尾酒会算法的名字来由便是在一个鸡尾酒会上，面对同一时间的多个声音，如何把他们细分并且拆解下来变成单独的一个人的声音

通过上面的介绍，我们可以知道，这个算法其实本质上实现的就是音频分离的问题。当然，吴老师给了我们一个简单的代码，便让我们实现了这个复杂的程序

• 后话

这是用的octave的环境下的代码，根据视频的讲解，octave是个很简便的环境，当然我也看到好多弹幕说这是18年的情况，20年的当下python已经很强大了，我目前在学习中学长学姐也说不必看octave的知识了，各位自己借鉴啊。
那么，拜拜各位！