2021-02-20

吴恩达机器学习入门视频

对应网址：https://www.bilibili.com/video/BV164411b7dx?p=1&spm_id_from=pageDriver

推荐观看 P1-P4

P1 什么是机器学习

• 定义什么是机器学习
• 什么情况下使用机器学习

什么是机器学习？

在没有明确设置的情况下，是计算机具有学习能力的研究领域。

​ - Samuel 1950

Samuel 编写一个跳棋程序，并与之博弈近万把，结果跳棋程序学会了怎么下跳棋。我们需要注意的是机器的特质：比认类更有耐心。

计算机程序从经验 E 中学习，解决某一任务 T 并且进行某一性能的度量 P。（Perfomance measure）通过 P 测定在 T 上的表现因为经验 E 而提 高

在 Samuel 的案例中，T（Task）就是指下跳棋并且赢下；E （Experiexpence）指的是一万把博弈的学习过程；P 是指的下跳棋赢下的概率。

思考

现在假设场景是：我们在接受邮件的过程中，标注垃圾邮件并且告诉机器，让机器学习识别垃圾邮件并且拦截。那么这个场景中的 T 是什么？E 是什么？P 又是什么？

P2 学习算法

• 监督学习
  • 我们教计算机做某件事
• 无监督学习
• 强化学习
• 推荐系统

监督学习

假设我们现在有一些房屋的面积与出售价格的数据，而我的朋友想出售自己 750 feet 平方的房子（不晓得在中国是多大）。我们可以拟合数据称为一条直线，预测价格；当然我们也可以拟合数据称为一个二次函数，预测价格。其中这两种方式，我们可以暂且称之为模型。虽然使用哪个模型都不能决定房屋的出售价格，但是这个例子可以更好的帮助我们理解学习算法（learning algorithm）。

上述例子就是监督学习的最好例子，给出数据集且确保数据集的数据正确。（“right answes” given）算法的目的是为了给出更好的答案。（例如为朋友卖掉这个房子给出合理的估价）用逼格高一点的词汇，这个就叫做回归问题，回归问题指的是根据正确的历史数据，预测连续的数值输出。（我这里一直使用正确这个词，是因为错误的数据会给人误导，而正确数据才能给人正确的指引。）

如果我们相同过医疗数据，设法预测乳腺癌是恶性还是良性的。

首先，我们按照肿瘤尺寸与乳腺癌的恶性或良性的结果关联。这个时候我们会发现同一个尺寸，我们可能会获得两个输出的结果。

这个时候，我们可以使用多个特征（属性），比如患者的年纪。

当然，在机器学习中。我们不止可以处理几个特征，而是理论上可以处理无穷多特征的算法。理论上来说，特征越重要，特征数据越多，我们的预测会越准确。

思考

• 如何在计算机中存储无穷多的特征数据？
• 如何在计算机中处理无穷多的特征数据？

假设你经营一家公司，你想开发算法处理两个问题。

1. 你有很多同一件货物的库存，你想预测接下来的三个月内你能卖出多少件？
2. 第二个问题你有很多用户，你想要写一个软件来检查每个客户的账户，判断这个账户是否被入侵或破坏。

思考

• 这两个问题应该是被归为分类问题还是回归问题？
  • 两个问题都是分类问题
  • 问题 1 是分类问题，问题 2 是回归问题
  • 问题 1 是回归问题，问题 2 是分类问题
  • 两个问题都是回归问题

我说说我的思考吧！预测三个月内卖出多少库存，其实可以依据我们的历史数据（确保数据真实），然后考虑季节或者其他影响因素时的历史数据。第二个问题，判断账户是否被入侵的特征（被入侵账号的特征与账户被入侵是否的真实数据）。理论上问题一是回归问题，问题二是分类问题。

无监督学习

前面判断肿瘤是否恶性的例子，每个数据都被明确的标记。（恶性 or 良性）监督学习中我们每个数据都被明确的标记为恶性 or 良性。在无监督学习中，我们的数据有点不同（数据都有相同的标签或者没有被明确的标记）

图中的数据集没有任何标记，但是我们可以根据聚集将它分为两部分。（逼格高点说就是聚类算法）那么你肯定会疑惑，没有标记的数据有什么用呢？谷歌新闻就采用了聚类算法来处理无标记的数据集。谷歌会每天去爬取上万条新闻，然后组合称为新闻专题。当然聚类算法也会被应用到更多的行业和（例如人体科学中的 DNA）

• 我们并没有对数据集中的数据进行标注
• 我们只是告诉计算机这里有一堆数据，至于数据是做什么的我也不知道，但是希望计算机能够自动找出这些数据的结构，并且希望计算机能够按照找出来的数据接口自动帮我们分类。

社交网络中，如果可以得知你联系频繁的人（无论来源是微信还是微博）。那么我们希望计算机可以自动识别哪些是同属一个圈子的朋友；在市场细分的应用，现在许多公司都有庞大的客户信息数据库，对于一个客户数据集，如何自动识别分类并且帮助产品的销售也是无监督学习应用的领域。

思考

如果我们一个音频中有多个音源，我们需要剥离音源，并且将音源进行指定分类输出，需要多少代码？视频说的是一行代码，但是这一行代码实际是很多算法工程师的心血，并非看起来那么简单，所以对于入门者最好的就是先调轮子（使用别人开发好的算法）找到学习机器学习的乐趣。