吴恩达机器学习视频笔记——简单知识背景

 

1、生活的机器学习：

1. 电脑区分垃圾邮件
2. 淘宝的智能推荐
3. 照相时候的美颜

什么是人工智能：

Arthur Samuel(1959):部分特定代码赋予计算机自动学习的能力。

世界上第一个机器学习的程序：Samuel编写的西洋棋程序

 

 

2、监督学习和无监督学习

回归问题

案例1.                                                                                                   房价预估

横坐标：面积

纵坐标：房价

根据已知的答案，即已有的数据，在计算出房价的连续变化趋势，因此可以预测出相应面积的房价大小。

 

分类问题：

案例2.                                                                                                   肿瘤判断

根据已有数据，根据某个标准将肿瘤分为良性和恶性两类，从而判断用来对肿瘤进行分类。

 

 

监督学习：已有给定的数据集，及其标准

非监督学习：只有一个给定数据集

 

举例：

谷歌有所有新闻的数据，根据其信息，将不同的数据根据实际需要进行分类。（就我个人观点而言，不同于监督学习的分类问题在于，例如：肿瘤良性和恶性问题，它已经有一个统一的认知并且和标准。而对新闻的划分，可以根据你自己的观点，对它进行任意分类。如果你把肿瘤划分为一种新的类型，即“①一号类型肿瘤/②二号类型肿瘤…”，如果这样，那么它就属于非监督学习，因为事先，我们并不知道什么是一号类型肿瘤，它具有什么样的特征。）

 

聚类问题：

案例3.                               聚会问题

在聚会上，有两个麦克风，两个人同时讲话，每个麦克风的位置不同，同时不同程度地录下两个人的声音，将两个人的声音进行分离。

（【个人思考】如何进行分离，对具体操作，我不太了解的情况下，我想象的一个问题即麦克风收录的声音有大小之分，将声音数据进行筛选，保留下声音较大的部分的内容。或者，因为两个麦克风录音可以保证的一个问题是说话的速度、音调的变化是相同的，对同一段声音来说，可以通过匹配，进行数据的清楚等，这只是我的个人初步想法，并不代表其具有可行性。）

实现代码（matlab）：