机器学习-week1.1

machine Learning学习笔记

简介

在学习各种机器人工程师有关的知识的路上我将通过机器路径规划，视觉，量化交易自动机器人的设计来学习机器学习实践机器学习有关理论和知识

第一阶段学习方案简介

西瓜书 + 吴恩达 

Week1·基础介绍

我们创造智能的机器，有很多基础的知识。比如，我们可以让机器找到A与B之间的最短路径，但我们仍然不知道怎么让机器做更有趣的事情，如web搜索、照片标记、反垃圾邮件。我们发现，唯一方法是让机器自己学习怎么来解决问题。所以，机器学习已经成为计算机的一个能力。
机器学习带来的将是机器能够尝试解决人类对于数据集分析的大量工作的解决，通过对于机器学习基本知识的学习。
现在它涉及到各个行业和基础科学中。这表明机器学习涉及的问题非常广泛。有机器人、计算生物学、硅谷中大量的问题都收到机器学习的影响。

机器学习的定义

。第一个机器学习的定义来自于Arthur Samuel。他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。
AI设备 智能棋手，等等非常多的应用落地场景。

监督学习

参考视频: 1 - 3 - Supervised Learning

Q：假如说你想预测房价。

我们应用学习算法，可以在这组数据中画一条直线，或者换句话说，拟合一条直线，根据这条线我们可以推测出，这套房子可能卖$$150,000$，当然这不是唯一的算法。可能还有更好的，比如我们不用直线拟合这些数据，用二次方程去拟合可能效果会更好。根据二次方程的曲线，我们可以从这个点推测出，这套房子能卖接近$$200,000$。稍后我们将讨论如何选择学习算法，如何决定用直线还是二次方程来拟合。两个方案中有一个能让你朋友的房子出售得更合理。这些都是学习算法里面很好的例子。以上就是监督学习的例子。

运用回归方法 讲价格进行回归。

特征的处理问题 当一组SET有多个数据 多种特征的情况下 ，它应当被使用 SVN才能够操作