机器学习

一、什么是机器学习？

两个定义：
- 计算机不需要明确的程序而是自主的去学习

一种旧的传统的定义

---

• 一个计算机程序能够从经验E中学习（学习任务是T，学习的表现用P衡量），如果这个程序在任务T与表现衡量P 下，可以通过经验E得到改进。
  
  • ##### 举例——西洋棋游戏：
    
    • E=玩了许多局游戏的经验
    • T=玩西洋棋的任务
    • P=下局游戏程序会赢的概率

二、监督学习

• 定义:给出一个算法，需要全部数据集已经都答案（就是分类标签），然后通过这些数据训练，可以计算出一个新数据的正确分类。
• 分类是预测出一个离散值的输出，回归是预测一个连续性的

三、无监督学习

• 定义：无监督的学习只知道少量或者完全没有结果信息（也就是分类标签），我们可以在不知道变量的情况下获得数据的结构。其实就是在不知道所有样本的分类标签的情况下，利用无监督的学习处理数据，数据形成分类
• 举例：收集1000000个基因数据的集合，然后使用一种方法自动的把它们分成不同的类别，比如一些是比较小的，一些和寿命有关等等

四、建立模型

一些常用的符号表示
- $x^{(i)}$ 输入特征，就是样本的属性值，比如身高，体重，用 $X$表示输入向量
- $y^{(i)}$ 输出特征，就是样本的标签，如根据上面身高体重得出这个人的 胖瘦，$Y$ 表示输出向量
- $(x^{(i)},y^{(i)})$ 表示一个训练样本，把 i=1,2,3…m的所有样本集称为训练集