机器学习 day02（无监督学习，聚类算法，术语）

1. 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：
  

2. 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：

3. 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