吴恩达机器学习笔记系列（三）——非监督学习

1.监督学习 ：

在监督学习中，给定一个数据集，并且知道结果是应该什么样子的，输和输出之间存在联系。

监督学习包括：

​ regression：把输入映射到某个连续函数（continuous function）

​ classification：把输入的变量映射到不同类别

2.无监督学习：

几乎不知道想要求解的问题的结果应该是什么样子的。我们可以从数据中得出结构，我们不一定知道变量的影响。我们可以通过基于数据中变量之间的关系对数据进行聚类来推导出这种结构。在无监督学习的情况下，没有基于预测结果的反馈。

例子：

• 聚类：获取1,000,000个不同基因的集合，并找到一种方法将这些基因自动分组成不同变量的相似或相关的组，例如寿命，位置，角色等。

  例子：Google News， 基因序列分析，社会网络分析，market segmentation（市场细分）等

• 非聚类：“鸡尾酒会算法”，允许您在混乱的环境中查找结构。 （即在鸡尾酒会上识别来自声音网格的个人声音和音乐）。

cocktail party problem（鸡尾酒会问题）：

是在计算机语音识别领域的一个问题，当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。要分离出鸡尾酒会中同时说话的每个人的独立信号，常用的方法是盲信号分离算法。
参考：说说鸡尾酒会问题(Cocktail Party Problem)和程序实现


鸡尾酒会问题算法（一行代码）：

[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x’);