机器学习笔记（1）——监督学习与非监督学习

吴恩达相关视频学习

机器学习相关定义:

机器程序从从经验e（experience）学习，解决某一任务t（task）进行某一性能度量p（performance），通过p对测定t使得e提高

监督学习

给出结果集，其中有正确数据。数据中的每个样本，都可以获得一个结果集
算法的目的就是给出更多的正确答案（可以进行预测）。

这个例子这也是一个回归问题。

回归问题：预测连续数据的输出。
分类问题：

分类是指：设法预测一个离散值的输出（0/1），实际分类可以设置多个离散值（1，2，3，。。。）
在另一种表示方法：

多个参数：

无监督学习

无监督学习： 数据分组——聚类算法

根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题.

简单来说就是没有给分类标签，让计算机自己去分类数据，

上面给出无监督学习相关例子，其中我们需要完整的数据，无需分组。由计算机进行分组规划

聚类只是无监督的一种,鸡尾酒会问题。

简单来说，具体的表示及将两种混合（声音）分离出来。变成一种或两种的个体。或者是将个体聚合成一种混合（声音）