机器学习日记（1）

机器学习日记（1）

机器学习是什么？

机器学习（Machine Learning）致力于研究如何通过计算的手段，模拟或实现人类的学习行为，以获取新的知识或技能，并以此来改善系统自身的性能。一个经典的机器学习的定义为：一个程序被认为能从经验E中学习，解决任务 T，达到性能度量值P，当且仅当，有了经验E后，经过P评判， 程序在处理T时的性能有所提升。

机器学习的最主要的两类算法

根据训练数据是否有标记信息可划分为监督学习（Supervised learning）和无监督学习（Unsupervised learning）。

监督学习（Supervised learning）

监督学习是指从标注数据中学习预测模型的机器学习问题，本质是学习输入到输出的映射的统计规律。
标注数据：用于表示输入输出的对应关系。
预测模型：对给定的输入产生相应的输出。
监督学习可主要分为回归（Regression）问题与分类(Classfication)问题。

回归（Regression）问题

在吴恩达的机器学习课程有以下例子：
一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据。你把这些数据画出来，看起来是这个样子：横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千美元。那基于这组数据，假如你有一个朋友，他有一套 750 平方英尺房子，现在他希望把房子卖掉，他想知道这房子能卖多少钱