机器学习入门 | 吴恩达机器学习视频总结01

写在文章开头：
吴恩达的机器学习视频是老师推荐的，作为机器学习的入门，足矣。视频讲得内容很细，可以在网易云课堂上搜到，建议大家可以结合黄海广个人笔记，效果更佳。
以下内容是我结合自身知识储备写得个人总结，以“章”为单位。（老师曾说，看过的东西应该写一点文字，以作证明。）

第一章 引言

1.1机器学习应用举例

1.2定义
（1）

（2）

1.3机器学习算法主要分类

监督学习：教计算机做某件事情
非监督学习：计算机自己学习某件事情

1.4监督学习
举例1：
横轴是房子的面积，纵轴是价格。
问题：当房子面积为750平方英尺时，购买该房子需要花费多少钱？
解决方法：用直线对图中红色的×进行拟合（如紫色的线所示），拟合效果不理想；换用图中蓝色的二次函数，拟合效果理想，实现预测。

总结： 监督学习算法数据集中，已经包含了“正确答案”。
上述房价问题，也可以称作回归问题，，即预测连续值的输出。

举例2：
横轴表示肿瘤大小，纵轴1表示恶性，0表示良性。
问题：已知肿瘤大小，判断是恶性肿瘤还是良性肿瘤。
该类问题可称作分类问题，即预测离散的输出值。（注意输出值可能有多个）

上述问题只有一个特征（面积、肿瘤大小），也可能会存在多个特征，如下图所示（肿瘤大小和年龄）

1.5非监督学习
在无监督学习中，使用的数据没有标签（即没有提前告知算法一些信息）。对于给定的数据集，能从中找到某种结构。
对于上述问题，使用非监督学习，将数据集分为两个不同的簇，也叫作聚类算法。

写在最后：
大佬留情，小白瑟瑟发抖！
欢迎志同道合的朋友们，一起交流，共同进步！