一、

1-1 welcome

1-2 什么是机器学习——Machine Learning

机器学习尚无明确定义，现有的定义有：

（1）Field of study that gives computers the ability to learn about being explicity (明确地) programmed. ——Arthur Samuel 机器学习做什么

机器学习是一个学习领域，并在没有明确训练的情况下，交给计算机学习的能力。

注：该定义之所以成名，是因为Samuel编写了一个跳棋程序。该程序使计算机自己与自己下棋，通过成百上千次的训练、观察，逐渐学会哪些是好的布局，最终计算机成为一个跳棋高手，尽管其创作者Samuel并不擅长跳棋游戏。

（2）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 , improved with experience E. —— Tom Mitchell 良好的学习问题是什么

计算机程序从经验E中学习任务T，并用度量P来衡量性能。条件是它（由P衡量的）关于T的性能随着经验E而提高。

对于跳棋游戏，经验E就是计算机与自己玩10次，1000次的跳棋；任务T就是玩跳棋的任务；性能度量P就是与新对手玩跳棋时赢的概率。

后面将会讲不同类型的学习算法，主要有两类：监督学习（Supervised learning）和非监督学习（Unsupervised learning）。

监督学习：我们教计算机如何做事情。

非监督学习：计算机自己学习。

其他的学习算法，例如增强学习（Reinforcement learning）和推荐系统（recommender systems）。

1-3 监督学习——Supervised Learning

本节讲述机器学习的最普通类型是什么，哪些是监督学习。

例1：预测房屋价格

例子，假设想要预测房屋价格，绘制了下面这样的数据集。水平轴上，不同房屋的尺寸是平方英尺，在竖直轴上，是不同房子的价格，单位时（千万$）。给定数据，假设一个人有一栋房子，750平方英尺，他要卖掉这栋房子，想知道能卖多少钱。

那么学习算法能做的事是什么呢？可能是根据数据画一条直线或者说用一条直线拟合数据。看上去，可能会卖150K美元。

但是，这不是唯一的学习算法，可能有更好的。例如，不是用一条直线拟合数据，而是用一个二次函数或二阶多项式来拟合数据，这样效果可能会更好。在这种情况下，该房子可能会卖到200K美元。

后面要讨论的就是如何选择，决定用直线还是二次函数进行拟合。

这是监督学习的很好的例子，监督学习是指我们给算法一个数据集，并且给定正确答案。也就是说，我们给定一个房屋数据集，在这个数据集中的每个例子，我们都给出正确的价格，也即这个房子卖出的实际价格。算法的目的就是给出更多的正确答案，例如对待售房子，假如想要给待售的房子估价，这也称为回归问题（Regression ： Predict continuous value output——price）。之所以称为回归问题，是因为其预测连续的输出值，即价格。

例2：估计肿瘤性质

另一个例子，假设想要看医疗记录，并且想设法预测乳腺癌是恶性的还是良性的。假设某人发现了一个乳腺瘤，在乳腺上有个z肿块，恶性瘤是危险的、有害的；良性瘤是无害的。

假设在数据集中，水平轴是瘤的尺寸，竖直轴是1或0，也可以是Y或N。在已知肿瘤样例中，恶性的标为1，良性的标为0。那么，如下，蓝色的样例便是良性的，红色的是恶性的。

假设一个人得了乳腺癌（即图中紫红色箭头指示的样例），机器学习的任务就是估计该肿瘤的性质，是恶性的还是良性的。

引入一个更专业的术语，这就是一个分类问题（calssification problem）。

Classification refers to the fact that here we're trying to predict a discrete value output : zero or one , malignant or benign .

分类是指预测一个连续的输出值，0或1，恶性或良性。

在分类问题中，可以输出多于两个值。在实际例子中，可能有三中类型的乳腺癌。因此，要预测离散值0,1,2,3，其中0是良性的。1、2、3分别代表癌症1，癌症2，癌症3。可以用另一种方法来表示这些数据，用不同的符号集来绘制这组数据。假设瘤的尺寸是用来预测恶性或良性的特征。用不同的符号表示良性或恶性，或说反例和正例。我们可以用圈表示良性，继续用红叉表示恶性，把数据集映射到这条实线上。

1-4 非监督学习 —— Unsupervised Learning

在上节的监督学习当中，所有的样本都被标为正样本或负样本，即良性或恶性。因此监督学习的样本，已经知道了明确的“正确答案”，即是良性还是恶性。

而在无监督学习中，给定的样本没有“正确答案”，即标签，所有的数据都是一样的。无监督学习的任务是从给定的数据集中，找出可能具有的结构。

对于上图中的数据，无监督学习算法可能将其分为两类，这就是聚类算法（Clustering Algorithm）。

现举一个聚类算法的例子，Google搜索中，将所有的新闻收集到一起，然后将其分类。

在基因组学中的应用，基因芯片，给定一组不同的个体，检查每个个体是够拥有某个特定的基因。运行一个聚类算法，将不同的个体归入不同的类。

形象来说，就是我们有一堆数据，不知道这些数据有什么类型，希望算法能自动找出可能的类型，并自动将其分类。即将相似的聚合在一类。

再举一些监督学习和无监督学习的例子：

无监督：用于管理计算机集群，在一个计算机管理中心，找出哪些计算机在进行着协同工作，就可以让数据中心更高效的工作。

无监督：用于社交网络的分析，若知道某人的各种账号的好友，例如QQ、微信、FaceBook等，就能知道哪些好友是一个好友组，哪些仅仅是互相认识的好友。

无监督：很多公司有大型的客户信息数据库，给出一个客户数据集，自动找出不同的市场分割，并自动将客户分到细分市场中，从而在不同的细分市场中进行更有效的销售。。在这里事先并不知道有哪些细分市场。

吴恩达机器学习学习笔记之一监督学习和无监督学习相关推荐

吴恩达机器学习学习笔记第七章：逻辑回归
分类Classification分为正类和负类 (规定谁是正谁是负无所谓) 吴恩达老师举例几个例子:判断邮箱是否是垃圾邮箱一个在线交易是否是诈骗一个肿瘤是良性的还是恶性如果我们用之前学习的lin ...
吴恩达机器学习--学习笔记
1. Introduction 1.1 Welcome 如今机器学习被大规模应用于: 数据挖掘(网站点击,医学记录,生物学,工程) 一些无法通过编程实现的功能(自动驾驶,手写识别,NLP,CV) se ...
吴恩达机器学习学习笔记第二章：单变量线性回归
模型描述: 训练集(training set):是监督学习中独有的概念,由我们人喂给电脑的既有既有特征x又有结果y的数据.下图x是房子面积 ,y是房屋对应的价格符号记法解释: (x^(1),y^(1 ...
吴恩达“机器学习”——学习笔记六
最优边界分类器(最大间隔分类器)(续学习笔记五) 在线性分类器中,我们要找到一个边界线,使得几何间隔最大,即: ||w||在几何间隔中是无关紧要的,这里取1,使得几何间距和函数间距一致. 但是这个并不 ...
吴恩达机器学习学习笔记第一章：绪论初识机器学习
一. 什么是机器学习(Machine Learning)? 首先学习的对象是电脑学习指的其实就是算法机器学习就是基于数据基于算法从数据中去提炼对事物的认知和规律掌握了这些特征和规律后就可 ...
吴恩达“机器学习”——学习笔记二
定义一些名词欠拟合(underfitting):数据中的某些成分未被捕获到,比如拟合结果是二次函数,结果才只拟合出了一次函数. 过拟合(overfitting):使用过量的特征集合,使模型过于复杂. ...
吴恩达机器学习学习笔记第九章：神经网络学习
课时①非线性假设通过说Linear Regression和logistic Regression的不足来引入神经网络: 安卓告诉我们神经网络并不是什么新玩意儿,老早就有了,但是他经过了一段低迷期直到 ...
吴恩达机器学习学习笔记第八章：正则化
1.过拟合问题如图所示是线性回归的三种情况: 图一是欠拟合数据点没有全部被(另一种说法这个算法有高偏差) 图二的二次函数来拟合效果很不错图三用了4次多项式有5个参数但是曲线歪歪扭扭的显得非常 ...
吴恩达机器学习学习笔记第四章：python的配置
python有两个版本分python2和python3这两个可以说是截然不同了市面上python语言基础的书籍大多停留在python2 本人紧跟时代潮流使用的是python3.6 如果你也想学对p ...

吴恩达机器学习学习笔记之一监督学习和无监督学习

一、

1-1 welcome

1-2 什么是机器学习——Machine Learning

1-3 监督学习——Supervised Learning

1-4 非监督学习 —— Unsupervised Learning

吴恩达机器学习学习笔记之一监督学习和无监督学习相关推荐

最新文章

热门文章

吴恩达机器学习 学习笔记 之 一 监督学习和无监督学习

一、

1-1 welcome

1-2 什么是机器学习——Machine Learning

1-3 监督学习——Supervised Learning

1-4 非监督学习 —— Unsupervised Learning

吴恩达机器学习 学习笔记 之 一 监督学习和无监督学习相关推荐

最新文章

热门文章

吴恩达机器学习学习笔记之一监督学习和无监督学习

吴恩达机器学习学习笔记之一监督学习和无监督学习相关推荐