机器学习笔记 -吴恩达（第一章：绪论）

0.机器学习定义

  一个程序由经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验值E后，经过P的评判，程序在处理T的时候经验有所提升。

1.机器学习运用领域：

        数据挖掘

        无法手动编写的程序：NLP（自然语言处理），计算机视觉

        私人订制程序：eg推荐

        Understanding human learning (brain, real AI)

2.算法

   （1）监督学习：我们会教计算机做某事

            监督学习指的就是我们给算法一个数据集。这个数据集由特征值与正确答案组成。也就是说数据集是带标签的。

           例如 （房子面积、楼层位置、价格）

    （2）非监督学习：计算机自己学习

            无监督学习中没有任何的标签，需要计算机自动探索数据的结构与规律。

    Others: 强化学习，推荐系统

3.监督学习

    案例：房价预测、垃圾邮件分类、糖尿病预测

    回归问题：Regression 预测连续值的输出

    分类问题：Classification 设法预测一个离散值输出0或1（有时也有2个以上可能的输出值）

                        可有多个属性

4.无监督学习

   聚类算法 eg：google新闻分类

                    应用：（1）组织大型的计算机群 （2）社交网络分析 （3）市场细分 （4）天文数据分析 (5)  基因表达

                    code案例：（音频分离代码）【W,s,v】=svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');