Introduction

今天开始记录下学习Andrew Ng的machine learning网上课程的心得体会，希望能够坚持下去。

网站是：点击打开链接

第一部分是introduction，主要是些概念上的介绍。以下是自己的一些理解：

1）ppt里提到了一句很重要的话，“A computer program is said to learn from experience E with respect to some task T and some performance measureP, if its performance onT, as measured by P, improves with experienceE.” 随后作者用了一个邮件分类的例子来进一步阐述何为E，T，P,

Q: Suppose your email program watches which emails you do or do not mark as spam, and based on that learns how to better filter spam.  What is the task T in this setting? 

(A). Classifying emails as spam or not spam.------这个是T，是我们想要达成的任务，目标。

(B). Watching you label emails as spam or not spam. ------ 这个是E，可以说是积攒的经验，也就是学习的过程。

(C). The number (or fraction) of emails correctly classified as spam/not spam. ----- 这个是P，相当于来个学习的总结或者评价，看正确分类的数量或者比例。

所以答案就是(A)了。

这里再举一个在练习题里面的一个例子：

Q: A computer program is said to learn from experience E with respect to some task T and some performance measure P if its performance on T, as measured by P, improves with experience E. Suppose we feed a learning algorithm a lot of historical weather data, and have it learn to predict weather. In this setting, what is T?
(A). The probability of it correctly predicting a future date's weather.---- P
(B). The process of the algorithm examining a large amount of historical weather data. ---- E
(C). None of these.
(D). The weather prediction task. ---- T 正确答案了。

2）Regression（回归）和Classification（分类）的区别

个人理解感觉，regression就是根据以前的经验预测未来的某个量，没有classification里贴标签的那一步。另外，regression的结果是连续的，而classification的结果是离散的。

3）Supervised learning（监督式学习） 和 Unsupervised learning（非监督式学习）

浅显点就是，前者是我已经知道标签是什么了然后分类，后者是我在不知道标签的情况下开始分类。举个简单的例子，当我们还是刚出来的可爱的小baby的时候，爸爸和妈妈同时出现在了我们眼前，很快我们就会知道爸爸和妈妈是不一样的两个人（ Unsupervised learning），接着爸爸和妈妈就会分别在我们耳边喊，“爸爸”，“妈妈”，无数次努力后，终于我们最后知道了“爸爸“代表的是谁，”妈妈”代表的是谁（Supervised learning）。这个例子也可以看出，Supervised learning需要更多的学习经历。