NG课程学习笔记一

视频一——机器学习动机与应用笔记

.1.介绍    

梯度下降法是求解无约束优化问题的一种方法，在最优化理论里面也叫最速下降法。属于监督式学习方法的一种。

基于给定的样本，通过有效的函数模型让样本得到有效的拟合（直线或曲线或者曲面等），模型函数依据经验判断。函数的相关参数值通过训练获得。依次对未来的数据进行预测。

2.应用环境

可解决分类问题与回归问题，其中回归问题为预测的值是连续的，分类问题预测的值是离散的，例如预测房价属于回归问题。预测癌症是良性或者恶性的属于分类问题。变量可能为多个，例如依据年龄与肿瘤大小预测癌症的良性或者恶性，如下图可能需要确定一条直线进行分类。

3.延伸

若为三维、四维甚至无限中特性空间中，可用支持向量机方法来实现。支持向量机方法可以处理无限种特性。

无监督学习方法，样本没有确切的答案，自行寻找规律，如聚类方法，照片自动分区，设备网络分析，市场分析。

强化学习：直升飞机飞行，利用强化学习方法，很难直接写程序进行控制。每次做的好，得到表扬，做的不好会批评，时间长了，学会怎么表现好点。回报函数，强化学习的关键是找到一种方式来定义你想要什么，定义一种好的行为与坏的行为。一种学习方法尽量获得更多的表扬与少的批评。强化学习被大量用在机器的学习上，如机器狗爬行，飞机飞行，爬行蛇爬过障碍物，汽车高速行驶并通过障碍物等。