机器学习的动机与应用
最近在看机器学习公开课视频,只想把其中自己听到的知识点记录下(还没有达到学习的层次啊,加油)。第一集主要讲了四部分内容,我自己按照自己掌握的自己随便分几块。
第一部分
主要介绍了机器学习的定义,什么是机器学习呢,在1959年,Arthur samuel 提出了一种对于机器学习非正式的定义,他认为机器学习是在不直接针对问题进行编程的情况下赋予计算机学习能力的一个研究领域。到了1998年,Tom Mitchell 给了机器学习一个相对合理的定义,他认为对于一个计算机程序来说,给定一个任务T和性能测量方法P,如果在经验E的影响下,P对T的测量结果得到了改进,那么就说该程序从E中学习了。
第二部分
监督学习(supervised learning)-我的理解就是利用一组已知类别的样本来判定新的样本的类别,在其中举了两个例子,并且还讲了回归(regression),监督学习的例子比如分类问题等等。
第三部分
无监督学习(unsupervised learning)就是给定一定的结构或者数据,没有任何信息表示这些数据属于那些类,属于那一部分,而是要求你设计相应的算法把这些数据分开,聚类就是一种无监督学习。最后还提到了强化学习,强化学习中设计到什么回报函数以及还有独立组件分析等等。