机器学习-吴恩达课程第一章

一、引言

1.1 机器学习是什么

定义：1、在进行特定编程的情况下，给予计算机学习能力的领域（西洋棋）
2、一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。在西洋棋的例子中，经验e就是程序上万次的自我练习的经验，而任务就是下棋；性能度量P就是它在与一些新的对手比赛时，赢得比赛的概率。

1.2 监督学习

eg.预测房价 判断肿瘤的良性和恶性
思想：在监督学习中，数据集的每个例子，算法将预测得到例子的“正确答案”。像房子的价格，或者肿瘤的良性和恶性。
回归是指我们的目标预测一个连续的输出值。
分类目标是预测离散值的输出

1.3 无监督学习

eg.新闻自动分类
鸡尾酒会算法：两个人同时使用两个麦克风，每个麦克风可以录到两个人的声音，使用算法将两个人的声音分离。
代码：【W,s,v】=svd((repmat(sum(x,*x,1),size(x,1),1).*x)*x’);(使用Octave)
学习机制：你给算法大量的数据，要求他找出数据蕴含的类型结构