斯坦佛大学机器学习课程笔记及整理#1（机器学习的动机与应用）

机器学习

某些程序编写起来极其复杂，比如手写体识别、自动驾驶技术等，采用机器学习的方法建立模型进行处理。

四大部分

   1.监督学习（Supervised Learnig）

   监督学习是指有确定结果的学习训练过程，如房价的分析与预测，样本中包括房价的影响因素及最终房价，或者对肿瘤判断样本中已经有了正确的判断结果。

        主要方向 ：回归（regression）与分类（classification）。

        回归问题适用于结果为连续型的学习过程，如房价的预测分析。

       分类问题适用于结果为离散类型的学习过程，如肿瘤的良性恶性判别等。

       p.s.支持向量机模型（support vector machines）可以将数据（多维变量）映射到无限维向量中。

    2. 学习理论（Learnig Theory）

        机器学习模型等。

    3. 无监督学习（Unsupervised Learnig）

      无监督模型区别于监督学习，训练样本并无准确结果，如声音提取，鸡尾酒派对问题等。

      主要方向：聚类（clustering）。

      聚类问题通过一系列因素分析，将样本分为两个或多个不同的类。

    4. 强化学习（Reinforcement Learning）

      多用于解决机器人问题，多用回归函数（reward function）。