- 无监督学习
- 在无标签的数据中,无监督学习的工作是找到某种结构,某种模式,或者只是在无标签的数据中找到一些有趣的东西。
- 我们不是试图给每一个输入都提供一些正确的答案,从而监督算法。相反我们要求算法自己找到某种结构,某种模式,或者弄清楚什么是有趣的。如图:
- 聚类算法
- 将无标签的数据自动的放置在不同的集群或组中
- 例如:在谷歌新闻示例中,聚类算法在没有监督的情况下,自行计算出该新闻属于熊猫,双胞胎,动物园新闻集群,并把同属于这个集群的新闻都放在同一个集群中。如图:
- 机器学习的一些术语
- Training set :训练集,数据集
- x :输入变量,特征,输入特征
- y :输出变量,目标变量
- 一行代表一个训练示例
- m :训练样本的总数
- (x , y):单个训练示例,指的是该表的一行
- (x⁽ᴵ⁾ , y⁽ᴵ⁾):第i个训练示例,指的是该表的特定i行,注意,上标i不是求幂,指的是训练集的一个索引
- ŷ:y_hat,表示输出的预测,估计值
- f:函数,数学公式
- f w,b (x) = wx + b:一个以x作为输入的函数(线性函数),并且取决于w和b的值,f将输出预测y_hat的某个值。
- f(x) = wx + b:以上函数的简写
- Linear regression with one variable:只有一个变量的线性回归
- w,b:参数,系数,权重