机器学习笔记1：机器学习的动机与应用

目标：机器学习有意义；机器学习的应用；所有人有能力进行机器学习的研究。

预备知识：队、列、二叉树、线性代数

预备软件：Octave、Matlab

机器学习：1959年由Arthur提出：在不直接对对问题赋予计算机学习能力的一个领域。写一个下棋，和自己下棋，程序自己和自己下棋，学习怎样胜，怎样输。程序比人更会下棋。让机器自己学习。TOM1998，对于一个计算机，程序自己从中学习，经验E，任务T性能评价方法P。

 

四个部分：

1.监督学习

监督学习：假设手机一些房屋信息，某个地方房屋价格统计，房屋面积，房屋价格。提供了一组房屋大小，拟合乘直线或者二次曲线，能够根据房屋面积得到价格，与标准进行对比。回归是连续的。

分类问题，是离散的，一组乳腺肿瘤，找出恶性肿瘤。为了简单期间，只考虑肿瘤大小是恶性还是良性，所以值要么是0要么是1。这是一个分类问题，处理的是离散值，0或者1。0位良性，1为恶性。利用特性来看年龄和肿瘤大小变成一个监督学习的问题。其实也可以用到其他的一些属性如细胞大小，肿瘤厚度。现在我们的点可以在二维空间上，但是其实有很多位的，可以把数据映射到无限空间中，我们可以用到支持向量机。

2.理论工作

学习型算法

eg:读取邮编的算法。需要多少训练?需要多少算法？

3.无监督学习：不需要给出正确答案

比如：聚类问题对像素进行聚类，进行分组。对图像处理很有效。（分成不同区域，创建3D,amzing）

鸡尾酒会问题。聚会中收集到不同人说话的声音，能否把目标的声音分离出来。我们不知道正确答案，需要用无监督式的把它们的结构分离出来。或者扫描的EEG数据等。

ICA算法。  svd

4.强化学习：不需要进行一次决策的问题中

eg:在监督学习中预测是否是恶性肿瘤,决定生死，所以需要强化。

再如飞机的飞行，如果飞机摔下来，则用坏行为来区分，它慢慢的强化；训练一只狗，正确的获取奖励。