Coursera 机器学习 -- introduction 笔记【第一周】

前言

充分利用业余时间，完成之前的机器学习爱好。以此在翻墙后https://www.coursera.org/，去coursera学习吴恩达教授的机器学习课程，再次记录下笔记。

机器学习

定义

1.Arthur Samuel(亚瑟塞缪尔)描述为：“在特定的编程情况
下,给予计算机学习的能力”这是一个较老的非正式的定义。

这个理论的得出比较有趣，因为编程者玩西洋棋玩的太菜了，所以写出了一个让西洋棋跟自己下棋的程序，久而久之，程序自己知道哪种棋局是好的，哪种是坏的，然后就牛逼大发了，程序通过学习后，玩西洋棋超过了Tom Mitchell…..

2.Tom Mitchell(汤姆米切尔)提供了一个更现代的定义：“一个计算机程序，
从经验E学习，解决任务T，达到性能度量值P，当有了经验E后，经过P的评判，
程序在处理T的时候性能有所提升. “

例如：玩西洋棋。
E =玩许多盘西洋棋的经验
T =玩西洋棋的任务。
P =程序将赢得下一场比赛的概率。

---

机器学习主要分两种：
1–监督学习(Supervised learning)
2–非监督学习(Unsupervisor learning)
机器学习其他的算法:
3–强化学习(Reinforcement learning),推荐系统(Recommender systems)

监督学习

监督学习(Supervised learning),需要数据集，且已经有正确答案。

-分为两种问题:

(1)回归问题,Regression problem(预测房价的数据图)，
对于里面每个数据，算法都知道对应的正确房价，这套房子卖出的价格，
算法的结果就是算出更多的价格。

根据平米数对房价进行预测价位：

重点:对未来的结果进行预测！

(2)分类问题,Classification problem(肿瘤良性恶性的数据图),
对于肿瘤的良性恶性进行分类，算法的结果就是判断新的病人的胸部肿
瘤是良性还是恶性。

肿瘤分类，根据肿瘤的大小分为良性还是恶性：

肿瘤的大小与年龄的分类图：

重点是:对未来的结果进行分类！

非监督学习

非监督学习(Unsupervisor learning),不需要人力来输入标签。

例子：

 (1)聚类,谷歌新闻,每天都在收集不同的新闻,将他们聚集在一起。