吴恩达机器学习[1]-初识机器学习

常见标志

$M$ 样本数量
$X$ 自变量
$Y$ 因变量
$(X,Y)$ 某个样本
$(X^n,Y^n)$ 第$n$行

监督学习 supervised learning

监督学习算法学习预测输入、输出或者$X$到$Y$的映射，是常用的算法。比如给定包含$x,y$的数据集，学$x$到$y$的映射关系。

监督学习算法包括两类：回归算法和分类算法。

• 回归算法 Regression：用于预测连续值$y$。输出值为无限个。
• 分类算法 Classification：用于预测离散值$y$。输出值为有限个。
  
  总之，监督学习将输入$x$映射到$y$，学习算法从引用正确的答案中学习。

无监督学习 unsupervised learning

无监督学习：给定不带标签的数据集，利用学习算法学习其中的某种结构或某种模式。是最广泛使用的机器学习形式。

无监督学习算法包括：聚类算法（clustering algorithm）、异常检测算法（Anomaly detection algorithm）、降维算法（Dimensionality reduction algorithm）

• 聚类算法，将不带标签的数据划分为不同的集群。
• 异常检测，检验出异常的数据。
• 降维算法，在尽可能减少丢失数据的基础上，将数据的特征数量减少。

监督学习与无监督学习对比图

参考链接
网易版吴恩达机器学习课程
吴恩达机器学习 网易云课堂