吴恩达ML课程 笔记总结（一）

大二暑假学点新东西(⊙﹏⊙)，总结了一些AndrewNg课程的笔记，也参考了网上一些大牛的总结，希望大家能一起学习！

本节的主要内容是：
1. 机器学习的定义以及举例
2. 机器学习的分类——监督学习和非监督学习
3. 对于两种学习方式的进一步说明和分类

一、机器学习的定义

如果用P来测量程序在任务T中的性能。若一个程序利用经验E在任务T中获得了性能改善，则我们说对于任务T和性能P，该程序对经验E进行了学习。 ——Tom Mitchell 1997

举例：例如玩象棋
E：玩很多局象棋所获得的经验
T：玩象棋的经验
P：获胜的概率

二、机器学习的分类

任何机器学习都可以分为两类：
1. 监督学习：教计算机怎么学习
2. 非监督学习：让计算机自己摸索着学习

1、监督学习

在监督学习中，必须给定一个数据集，告诉计算机什么是正确的输出，并且输入与输出之间存在一定的关联关系。监督学习又可以分为两类：回归问题和分类问题。
在回归问题中，给定一个数据集，我们希望能够得出一个预测函数，使得预测函数能够很好拟合给定的输入与输出变量。例如给定一组数据，包含房子的大小及对应价格。我们的目标是得出一个预测函数，根据任意一个给定的房子大小能够预测出房子对应的价格。

在分类问题中，我们试图预测离散输出的结果，也就是将输入变量映射到离散类别中。例如肿瘤问题，我们要做的是根据给定肿瘤特征值预测该患者是良性肿瘤还是恶性肿瘤，预测结果只有两种情况。

2、非监督学习

在非监督学习中，我们不知道结果是什么样子。我们只能让计算机根据给定的数据得出一定的结构或规律。我们通过对数据的聚类分析得出结构。在非监督学习中，没有基于预测结果的反馈。无监督学习可以分为“聚类”和“非聚类”。
聚类：获取1,000,000个不同基因的集合，并找到一种方法将这些基因自动分组成不同变量的相似或相关的组，例如寿命，位置，角色等。

非聚类：“鸡尾酒会算法”，允许您在混乱的环境中查找结果。 （即在鸡尾酒会上识别来自声音网格的个人声音和音乐）。

未完待续…