《机器学习》--概述

机器学习应用的领域：

• Database mining（数据挖掘）
• Applications can't program by hand(无法手动编写的程序）
• Self-customizi programs
• Understanding human learning

机器学习的定义：

“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”

例：跳棋游戏中，

       经验E是程序与自己下几万次跳棋，

       任务T是玩跳棋，

       性能度量P是与新对手玩跳棋时赢得概率。

最常用的两种机器学习算法（Machine learning algorithm）：

• 监督学习（Supervised learning）
• 无监督学习（Unsupervised learning）

监督学习

“在监督学习中，对于数据集的每个样本，我们想要算法预测，并得出“right answer”

回归（Regression）问题：设法预测连续值输出，设法预测连续值的属性

分类（Classification）问题：设法预测一个离散值输出

Support Vector Machine（ 支持向量机):允许计算机处理无穷多的特征

无监督学习

 

对于无给定的数据集如上图，没有给出正确答案，无监督学习可能判定该数据集包含两个不同的簇（cluster） 

这就是聚类算法（Clustering algorithm）

聚类算法的应用：

①组织大型的计算机集群，试图找出哪些机器趋向于协同工作，可以让数据中心高效工作；

②社交网络的分析，自动识别同属于一个圈子的朋友

③将客户细分到不同市场，利于更好的销售

④天文数据分析

                               

当然无监督学习不止包含聚类算法

exp.鸡尾酒会问题（Cocktail party problem）

只用一行代码就可以分离鸡尾酒会上的两种不同声音