吴恩达机器学习笔记（01）——初识机器学习

为什么会写这份笔记？

自己刚开始学习的时候尝试通过笔记的方式让自己学习的更透彻，一开始在平板上手写笔记，后来觉得如果在博客上分享给其他有需要的人是一件更有意义的事。吴恩达老师机器学习的笔记会持续到课程学习的结束，这份笔记并不是完美的，如果您有建议可以在评论上分享，希望这份笔记可以帮助到你们。

什么是机器学习

1. Arthur Samuel认为在没有明确设置的情况下，使得计算机具有学习能力的研究领域。
   例如：跳棋程序通过与用户对弈，观察哪些布局容易赢，哪些布局容易输，就能学会跳棋，知道什么布局是好的，什么布局是坏的。
2. Tom Mitchell认为，计算机程序从experience（经验） E中学习来解决某一task(任务) T，进行某一 performance measure(性能度量)P，通过P测定在T上的表现因为E而有所提高。
   例如：对于跳棋游戏，E就是程序与用户下跳棋，T就是程序玩跳棋，P就是程序与新对手玩跳棋时赢得概率。

机器学习常见的类型

机器学习分为：监督学习，无监督学习，半监督学习等，这节介绍了监督学习和无监督学习。

监督学习

是指用已经标记好的数据，通过训练，来预测新数据的类型，或者是值。

1. 回归问题：预测一个值
2. 分类问题：预测已有类型
   监督学习参考链接

无监督学习

训练数据是无标签的，训练目标能对观察值进行分类或区分

1. 聚类算法：数据集没有标签，算法根据数据的特征，将数据集聚类成不同的组。
   例1：谷歌新闻，每天在网上搜集上万条新闻，自动将他们分簇，有关同一主题的新闻在一起显示，组合成一个个专题。
   
   其他应用：