学习笔记——吴恩达机器学习（1）

首先是无关紧要的唠嗑，如果想要直接查看笔记内容，请跳过

---

本人毕业设计是计算机视觉方向，它需要一定的深度学习基础。本人本科阶段上过机器学习和计算机视觉的课程，但是总感觉知识没有形成固定体系，故准备恶补一波机器学习和深度学习。听闻吴恩达的机器学习课程很基础，所以去看了一下，发现是全英文教学，正好可以锻炼一下我的英语听力。

但是本人英语能力有限，故通过博客记录学习笔记，加强自己的记忆与理解，同时也提供给那些和我一样正在学习的机器学习小白参考，希望对大家有帮助。

一下内容全部来源于本人粗浅的理解，如有不妥，请留言指正。如果觉得内容对你有帮助，请为我点赞。

---

当你使用google或者Bing这些搜索引擎搜索想要的内容，你之所以能够找到自己满意的内容，原因之一是他们用了学习算法，实现了网页排版；当你用facebook或者苹果的相片分类功能时，也用到了学习算法；垃圾邮件的过滤也涉及学习算法。

科学家们希望运用这些学习算法模拟人类的思考过程。

学习算法有许多应用：

（1）数据挖掘：企业可以收集网络点击数据，试图用机器学习算法来挖掘数据，以更好了解用户并为用户提供服务；电子医疗记录出现，若我们通过这些医疗记录，辅助我们获得医学知识，这有利于医学的发展；学习算法让我们更好的分析DNA序列，从而更加理解人类基因组；工程学上产生大量数据，我们可通过学习算法来理解如此海量的数据。

（2）无法手动编写程序的应用：让计算机自己学习如何让飞机自动飞行；手写体识别；自然语言处理；计算机视觉。

（3）私人定制程序：当你使用淘宝、腾讯视频等软件时，系统会自动推荐你可能感兴趣的内容给你，这是因为学习算法。

（4）理解人类的学习过程和大脑。

机器学习的定义（目前并没有多数人公认的定义）

（1）Arthur Samuel：在没有明确的程序的情况下给与计算机学习能力的领域。他编写了跳棋游戏，在经过许多次训练后，计算机成长为一个比他本人更懂跳棋游戏的玩家。

（2）Tom Mitchell：这样一个计算机程序，它可以在针对任务T时，通过学习经验E，提高完成任务的性能P。对于前面的跳棋游戏，任务T就是玩跳棋，经验E就是多次的训练与博弈，性能P就是赢得跳棋的能力或者说玩跳棋的水平。

机器学习算法分类：

（1）监督学习：我们教计算机学习某件事情。我们给计算机一组数据，其中包含了输入以及输出，这些输出是针对输入的“正确答案”。如回归问题：学习预测房价时，我们提供的数据有输入（比如房子大小，房间个数等等）以及针对这个输入的正确的房；如分类问题：预测肿瘤恶性还是良性时，输入为肿瘤的大小，输入为是恶性或者是良性，学习这样一个分类算法，当提供一个新的肿瘤大小时可以尽可能预测良性与恶性（此处输入只有大小，但通常可以有多种输入，如大小，年龄等等）。

（2）无监督学习：我们不教计算机学习，只是给出输入与输出，让计算机自己学习。如分类问题：和上述肿瘤分类算法，我们提供肿瘤大小以及结果的分布，但是不明说是恶性还是良性，需要学习出一个算法，当给予新的输入时，能将结果自动归类的其中一种分布中；再入新闻网站可以自动将相关或者同类的新闻放在同一个频道中；应用到基因分析时，可以自动将不同类型基因分类，当要输入新的基因时，可以将它归为其中一类；计算机中心中，可以学习将哪些计算机集群到一起以更高效的工作；分析社交圈；将顾客自动分类到更细分的市场中，我们并没有预先知道谁属于哪个市场；语音分离：当两个人同时对着一个麦克风说话时，将两个人的声音分离开，制作成两个音频输出。

（3）其他，如强化学习、推荐系统