机器学习简介

我的第一篇博客

这是一次全新的尝试，我想通过博客来记录自己的学习心得以及一些生活的感悟，也算是对自己定期的一个总结与检验。新学期伊始，接下来的计划就是学习吴恩达老师的机器学习课程以及简单的python编程，我会在这里不定期分享自己的学习资源与总结，希望自己能坚持认真学完，并可以和广大的机器学习爱好者一起探讨交流，共同进步！话不多说，推荐大家关注链接: link.，其中有关于该课程详细的中文笔记总结，作业笔记代码以及ppt等等，另外该课程也可以在网易云课堂免费获取，带中英文字幕，非常适合于机器学习初学者入门。

什么是机器学习

机器学习是目前信息技术中最激动人心的方向之一。我们在日常生活中不知不觉都会使用机器学习算法，例如谷歌和微软利用学习算法来排行网页，我们用Facebook或苹果的图片分类程序能认出朋友的照片，每次阅读电子邮件垃圾邮件筛选器，可以帮我们过滤大量的垃圾邮件，这些都是机器学习算法的应用。机器学习不只适用于人工智能领域，其涉及到各个行业和基础科学中，例如：

1. 数据库挖掘 ：大量的硅谷公司正在收集web上的单击数据，也称为点击流数据，并尝试使用机器学习算法来分析数据，更好的了解用户，并为用户提供更好的服务；
2. 计算生物学 ：生物学家们收集的大量基因数据序列、DNA序列和等等，机器运行算法让我们更好地了解人类基因组；
3. 手写体识别 ：及其学习算法已经学会如何读你信封，它可以自动选择路径，所以我们只需要花几个美分把这封信寄到数千英里外；
4. 自定制程序 ：每次你去亚马逊或Netflix或iTunes Genius，它都会给出其他电影或产品或音乐的建议，这是一种学习算法。软件能给这些自定制的建议的唯一方法是通过学习你的行为，来为你定制服务。；

那机器学习究竟是什么呢？
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。另一个定义由Tom Mitchell提出：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。我认为经验E 就是程序上万次的自我练习的经验，而任务T 就是下棋。性能度量值P呢，就是它在与一些新的对手比赛时，赢得比赛的概率。

目前存在几种不同类型的学习算法。主要的两种类型被我们称之为监督学习和无监督学习。简单说两句，监督学习这个想法是指，我们将教计算机如何去完成任务，而在无监督学习中，我们打算让它自己进行学习。在接下来的部分，我会详细讲解对这两种方法的理解。

监督学习

在正式介绍监督学习之前，首先举一个简单的预测房价的例子。
假如你收集了一些房价的数据，如下图所示，横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千美元。那基于这组数据，假如你有一套750平方英尺房子，你觉得能卖多少钱。

我们应用学习算法，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，或者拟合二次方程的曲线可以推测出，这套房子能卖接近$200,000。这些都是学习算法里面很好的例子。
可以看出，监督学习指的就是我们给学习算法一个数据集。这个数据集由“正确答案”组成。在房价的例子中，我们给了一系列房子的数据，我们给定数据集中每个样本的正确价格，即它们实际的售价然后运用学习算法，算出更多的正确答案。用术语来讲，这叫做回归问题。我们试着推测出一个连续值的结果，即房子的价格。

再举另外一个监督学习的例子。假设说你想通过查看病历来推测乳腺癌良性与否。让我们来看一组数据：在这个数据集中，横轴表示肿瘤的大小，纵轴上，如果是恶性肿瘤则记为1，良性则记为0。

那么机器学习的问题就在于，你能否估算出肿瘤是恶性的或是良性的概率。用术语来讲，这是一个分类问题。
分类指的是，我们试着推测出离散的输出值：0或1，即良性或恶性。而事实上在分类问题中，输出可能不止两个值。比如说可能有三种乳腺癌，所以你希望预测离散输出0、1、2、3。0 代表良性，1 表示第1类乳腺癌，2表示第2类癌症，3表示第3类，但这也是分类问题。因为这几个离散的输出分别对应良性，第一类第二类或者第三类癌症，在分类问题中我们可以用另一种方式绘制这些数据点。

无监督学习

如上部分所述，对于监督学习里的每条数据，我们已经清楚地知道，训练集对应的正确答案，是良性或恶性了。
在无监督学习中，我们的数据没有任何的标签。所以我们已知数据集，却不知如何处理，也未告知每个数据点是什么。而无监督学习就能判断出数据有两个不同的聚集簇。这是一个，那是另一个，二者不同，其可能会把这些数据分成两个不同的簇。所以叫做聚类算法。
聚类算法有很多方面的应用，例如谷歌新闻每天都收集非常多的网络新闻内容，它自动地把它们聚类到一起，再按照不同的闻事件主题的，将他们显示出来。再比如基因学的理解应用，一个DNA微观数据的例子。基本思想是输入一组不同个体，对其中的每个个体，你要分析出它们是否有一个特定的基因。技术上，你要分析多少特定基因已经表达。所以这些颜色，红，绿，灰等等颜色，这些颜色展示了相应的程度，即不同的个体是否有着一个特定的基因。你能做的就是运行一个聚类算法，把个体聚类到不同的类或不同类型的组（人）……

所以这个就是无监督学习，因为我们没有提前告知算法一些信息，比如，这是第一类的人，那些是第二类的人，还有第三类，等等。我们只是说这有一堆数据，我不知道数据里面有什么，也不知道谁是什么类型，我甚至不知道人们有哪些不同的类型，这些类型又是什么。但你能自动地找到数据中的结构吗？就是说你要自动地聚类那些个体到各个类，我没法提前知道哪些是哪些。因为我们没有给算法正确答案来回应数据集中的数据，所以这就是无监督学习，它是一种学习策略，交给算法大量的数据，并让算法为我们从数据中找出某种结构。

总结

这就是我的第一篇博客啦，头一次写真的是又慢质量又差，而且大部分都是参考的吴恩达老师的课程笔记，不过就把他当做每天的学习总结吧，让自己明白今天一天没有荒废，慢慢找回学习的状态，每天都会有收获有进步！
下一篇博客，我将分享自己学习单变量线性回归的笔记总结，包括代价函数和梯度下降一些基本的定义，一起加油吧！