吴恩达《机器学习》学习笔记一——初识机器学习
吴恩达《机器学习》学习笔记一
- 一、 什么是机器学习？
- 二、监督学习
- 三、无监督学习
初识机器学习
这是个人学习吴恩达《机器学习》课程的一些笔记，供自己和大家学习提升。第一篇内容较少，日后继续加油。
课程链接：https://www.bilibili.com/video/BV164411b7dx?from=search&seid=5329376196520099118
一、 什么是机器学习？
机器学习一直没有一个官方固定的定义。但课中给出了两种解释，个人认为非常经典，易于理解。
定义一：Field of study that gives computers the ability to learn without being explicitly programmed.—— Arthur Samuel(1959) 即无需明确编程，就使得计算机有学习能力的研究领域。
值得一提的是，阿瑟.塞缪尔（Arthur Samuel）在此之前（1952年）研发出了第一个计算机跳棋程序，它是世界上第一个可以自主学习的程序。通过和该跳棋程序不断的下棋，使得该程序的跳棋技巧不断得到提升，最终甚至超过了人类水平，这是机器学习早期一个非常经典的案例。
定义二：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. 即计算机程序从经验E上学习来处理任务T，且P为性能评估，如果在T上，由P衡量的性能随着经验E的学习而提高，这就是机器学习。
下面看一个课中给出的定义二的例子：
这是一个邮件分类问题，基于已知邮件是否为垃圾邮件的信息，来优化邮件分类系统。此处选项一：把邮件分类为垃圾或正常邮件是机器学习的T；选项二：观察你标记的邮件是垃圾还是正常是机器学习的E；选项三：正确分类邮件的数量是机器学习的P。
此外，机器学习有其分类，主要分为如下三类：
| 机器学习分类 | 具体算法举例 |
|---|---|
| 监督学习 | 线性回归、SVM、决策树等 |
| 无监督学习 | 聚类、密度估计等 |
| 其他：强化学习、推荐系统等 | -待学习- |
所以下面分别讨论了基本的监督学习和无监督学习。
二、监督学习
监督学习的特点是，学习数据都是有标注的。如经典的房价预测案例，它的数据集中数据样本不仅给出了各自的属性值，还给出了具体的房价大小，而这个房价大小就是所谓的标注，也就是需要预测的属性，模型从带有标注的数据中学习，随后对新的数据预测其标签值。如下图所示是房价预测的一个示例。
图中为简单起见，只考虑了房子的一个属性：面积（feet2），而实际还需要考虑很多其他属性如：朝向、地段等。红色的×表示已知的一批带有标注的数据，要从这些数据中学习得一种模型，使得后续预测的值比较真实，红色的直线是一次函数模型，蓝色的曲线是更复杂的模型，目标都是尽可能地模拟所有数据。模型选择的好坏，也会对预测有很大的影响（此处蓝色的模型看起来要比红色的好）。若已得到一个模型，则新给出一个输入如：房屋面积为750feet2，根据模型则可以得到预测房价为多少。
此外，房价预测也是回归问题的一个实例，所谓回归，就是预测值是连续值，此处房价是一个连续值，所以是一个回归问题。
与此对应，若预测值是离散的，则被称为分类问题，如上述提到的邮件分类，预测值只有垃圾邮件和正常邮件两个值。如下图所示，是根据肿瘤尺寸这个属性来对乳腺肿瘤进行分类的数据，标签值只有0（良性）和1（恶性）两种。
而往往不止通过一个属性进行学习，还可能通过细胞尺寸均匀度、细胞形状均匀度、患者年龄等许多属性来进行学习。
三、无监督学习
无监督学习与监督学习相对，当学习数据不带有标签时，就可以看成是无监督学习，也可以理解为没有正确答案的学习。无监督学习在做的，更多的是找出数据之间的相似相关性。如下图所示，x1和x2是数据的两个属性，数据不带有标签，无监督学习会寻找数据之间的相似性，将无标注的数据划分为一个个的簇。
吴恩达《机器学习》学习笔记一——初识机器学习相关推荐
- 吴恩达深度学习笔记——结构化机器学习项目（Structuring Machine Learning Projects）
深度学习笔记导航 前言 传送门 结构化机器学习项目(Machine Learning Strategy) 机器学习策略概述 正交化(orthogonalization) 评价指标 数字评估指标的单一性 ...
- 吴恩达深度学习笔记（四）
吴恩达深度学习笔记(四) 卷积神经网络CNN-第二版 卷积神经网络 深度卷积网络:实例探究 目标检测 特殊应用:人脸识别和神经风格转换 卷积神经网络编程作业 卷积神经网络CNN-第二版 卷积神经网络 ...
- Machine Learning（吴恩达） 学习笔记（一）
Machine Learning(吴恩达) 学习笔记(一) 1.什么是机器学习? 2.监督学习 3.无监督学习 4.单变量线性回归 4.1代价函数 4.2 梯度下降 5.代码回顾 最近在听吴恩达老师的 ...
- 吴恩达深度学习 | (15) 结构化机器学习项目专项课程第二周学习笔记
课程视频 第二周PPT汇总 吴恩达深度学习专项课程共分为五个部分,本篇博客将介绍第三部分结构化机器学习项目专项的第二周课程:机器学习(ML)策略(2) . 目录 1. 进行误差分析 2. 清除标注错误 ...
- 799页！吴恩达深度学习笔记.PDF
吴恩达深度学习课程,是公认的最优秀的深度学习课程之一,目前没有教材,只有视频,本文提供完整笔记下载,这本笔记非常适合和深度学习入门. 0.导语 黄海广博士和同学将吴恩达老师深度学习视频课程做了完整的笔 ...
- 吴恩达深度学习笔记——卷积神经网络（Convolutional Neural Networks）
深度学习笔记导航 前言 传送门 卷积神经网络(Convolutional Neural Networks) 卷积神经网络基础(Foundations of Convolutional Neural N ...
- 吴恩达深度学习笔记——神经网络与深度学习（Neural Networks and Deep Learning）
文章目录 前言 传送门 神经网络与深度学习(Neural Networks and Deep Learning) 绪论 梯度下降法与二分逻辑回归(Gradient Descend and Logist ...
- 【深度学习】吴恩达深度学习-Course3结构化机器学习项目-第一周机器学习（ML）策略(1)作业
题目仅含中文!! 视频链接:[中英字幕]吴恩达深度学习课程第三课 - 结构化机器学习项目 参考链接: [中英][吴恩达课后测验]Course 3 - 结构化机器学习项目 - 第一周测验 吴恩达< ...
- 吴恩达深度学习笔记1-Course1-Week1【深度学习概论】
2018.5.7 吴恩达深度学习视频教程网址 网易云课堂:https://mooc.study.163.com/smartSpec/detail/1001319001.htm Coursera:htt ...
- 吴恩达深度学习笔记_Github标星过万的吴恩达机器学习、深度学习课程笔记，《统计学习方法》代码实现，可以在线阅读了！...
吴恩达机器学习.深度学习,李航老师<统计学习方法>,可以说是机器学习入门的宝典.本文推荐一个网站"机器学习初学者",把以上资源的笔记.代码实现做成了网页版,可以在线阅读 ...
最新文章
- 今天有点时间,想写一个小说,说说面向对象的故事,主人是人类!(一)
- 人工智能：第二章 知识表示方法
- gitlab图形化使用教程（测试过）
- 深度学习优化算法实现(Momentum, Adam)
- POI API 创建Excel 文档
- 解决Winform应用程序中窗体背景闪烁的问题
- eclipse deploy path 修改
- [原译]一步步教你制作WPF圆形玻璃按钮
- CPDA数据分析师：一个完整的数据分析流程
- 爬虫 第七讲 MongoDB
- 1.3经济金融基础之金融市场
- 疯狂Python讲义学习笔记（含习题）之网络编程
- movie起居类分类词汇
- 聊一下盲盒app开发 盲盒小程序开发
- 最小二乘法线性拟合和2次曲线拟合算法
- 如何成为一名合格的DBA
- 荒野白牡丹都有啥功效，白茶知名品牌有哪些
- 树莓派新手使用iobroker日志三（米家全家桶加入iobroker）
- 显示器接口_显示器上的Type-C接口 可能绝大多数人都不知道这么大作用
- 书法练字帖纸——井字格是不一样的格