机器学习 *** 介绍

最近开始准备为研究生方向做准备了，同时因为学校这边项目的原因需要学习机器学习相关的算法，所以在coursera上开始学习机器学习相关内容。

Tom Mitchell给了一个机器学习的定义：

"A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E."

比如对于下象棋而言：E=多次下棋的经验，T=下棋这件事，P=程序胜利的几率。

机器学习分为：监督学习与无监督学习。

监督学习：

在监督学习中，我们会给出一个数据集，该数据集里的输入和输出都有一定的联系，且输出将会有一个正确的值。

监督学习被分类为：回归、分类问题。

回归问题：预测一个连续的输出。例如：预测第二天的气温。

分类问题：预测一个离散的输出。例如：预测明天的我是否会比今天更重。

回归和分类的区别是，在回归的例子中，预测25.5度和25.6度差不多，但是分类问题中，答案只有 是/否。

无监督学习：

无监督学习允许我们不清楚数据的结果是什么样的，我们是取得数据的结构或者数据间的关系。

例如：在1,000,000个基因中，将那些相似度高的基因进行分类。