吴恩达-深度学习（第一章）

• 重点内容：机器学习

1.1 机器学习

对于机器学习并没有统一的定义，下述给出几个经典的定义可供理解

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。

Samuel的定义是基于他自己编写的西洋棋程序，让西洋棋程序通过上万对局的观察，能够分析出布局的利弊，通过大量对局的练习，计算机获得无比丰富的经验，于是渐渐成为了比Samuel更厉害的西洋棋手。

Tom Mitchell定义的机器学习是，一个好的学习问题定义如下，他说，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。即是说计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高

1.2 监督学习

1.2.1 定义

        利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。

1.2.2 例1：预测房价（回归问题）

回归问题目的： 预测连续的数值输出

1. 用直线拟合

 

 2. 用二次函数或二阶多项式拟合（效果更佳）

 1.2.3 例2：预测肿瘤是良性或恶性（分类问题）

分类问题目的： 预测离散值输出。

就本问题而言，结果只有0和1的输出。

1. 只有一个特征时

2. 有两个特征时

3. 算法最终的目的是解决无穷多个特征的数据集

1.3 无监督学习

1.3.1 无监督学习定义

只给算法一个数据集，但是不给数据集的正确答案，由算法自行分类。

1.3.2 聚类算法

谷歌新闻每天收集几十万条新闻，并按主题分好类

市场通过对用户进行分类，确定目标用户

鸡尾酒算法：两个麦克风分别离两个人不同距离，录制两段录音，将两个人的声音分离开来（只需一行代码就可实现，但实现的过程要花大量的时间）