吴恩达机器学习第一章学习笔记

1.机器学习

严格定义由Tom Mitchell于1998年提出：A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

2.监督学习（supervised learning）

监督学习的数据集是带有标签（属性）的一堆数据，根据数据是离散的还是连续的又可分为回归问题和分类问题。

2.1回归问题（regression problem）

例如，已知北京一个楼盘近些年的房价，预测未来几年的房价。在这个数据集里，每个数据有房价和面积两个标签（属性）。由数据集里的数据我们可以画出二维坐标图，得到预测函数，然后就可以预测不在数据集里的数据（即不同面积的房价）

2.2分类问题（classification problem）

例如，预测肿瘤是良性还是恶性。在数据集里，每个数据有尺寸和（良性或恶性）两种标签。由数据集，我们可以画出二维坐标图，之后我们可以预测不同大小的肿瘤应该是良性还是恶性

3.无监督学习（unsupervised learning）

无监督学习的数据集是由一堆没有标签（属性）的数据组成。如下图：

由样本集里的数据的特征自动聚合（cluster）得到结果。