Machine Learning 课程笔记1-Introduction

        决定认真学习Andrew Ng的机器学习课程，我想写下来既可以给自己日后一个参考，也可以有个动力，同时帮助理解吧，总之，希望自己坚持下去！

一、introduction

     1、what is machine learning

        对一个计算机程序而言，给它一个任务T和性能度量方式P，通过对经验E的反馈使得P对T的度量结果得到改进，就说该程序从经验E中学习了。

        主要分为有监督学习和无监督学习。

     2、有监督学习

用房价预测的例子来引出有监督学习的概念，很直观。

        

             红叉为已经给出的房价和面积的坐标值，根据这些已知的数据，我们如何通过机器学习来实现给出面积就推测出房价。紫色的线是画出了一个最接近的直线，蓝色是二         次曲线，如何选择曲线来拟合是后面需要讨论的问题，这里只是一个有监督学习的例子。

             从而引出有监督学习的定义：我们给出一个数据集来显示“正确答案”，如这里给出的房价，然后根据这个数据集来预测或得到更多的“正确答案”

            上面这个例子也叫做回归问题：预测一个连续的数值，将其作为输出，如这里的房价。

            下面课程中给出了另一种有监督学习问题——分类问题。以肿瘤问题为例：

             蓝色表示良性，红色表示恶性，当然预测值也可以有多个（>2)，如0,1,2,3

             

           上面这个例子中只用到了一个特征值，就是肿瘤大小，我们也可以有多个特征值，如肿瘤大小和患者年龄：

            如果有无限个特征量呢？    支持向量机可以处理无限个特征量的情况

            关于分类和回归的区别，我在知乎上看到“走刀口”大大有一个比较直观地解释，这里分享过来，如果有不适之处，我马上删掉。

           分类和回归的区别在于输出变量的类型。

定量输出称为回归，或者说是连续变量预测；

定性输出称为分类，或者说是离散变量预测。

举个例子：

预测明天的气温是多少度，这是一个回归任务；

预测明天是阴、晴还是雨，就是一个分类任务。

  3. 无监督学习

       在课程开头老师对比了有监督学习和无监督学习的数据，想说的应该是，对于分类问题，输入的数据集有特征值，有标签，我们需要做的就是找到两者之间的关系（直线，曲线。。。），我们根据这个关系来根据新给的特征值预测标签数据。如果训练集中的数据有标签，则为有监督学习（如良性0，恶性1）；没有标签的话就是无监督学习，也就是说数据集没有提供“正确答案”。无监督学习也即聚类。

      无监督学习的例子：Google news 的分类问题，将相同主题的链接放到一起；DNA分组；社交网络分析；市场划分；天文数据分析等等

       后面又给了一个鸡尾酒聚会的例子，这个我没有太get到它的用意。