吳恩達機器學習筆記_第一章


一. 歡迎參加《機器學習》課程

機器學習的應用:
1.數據挖掘:更好的理解用戶
2.無法用編寫程序解決:自動駕駛
3.個性化推薦
4.AI:像人類一樣學習

二. 什么是機器學習?

機器學習定義:

Arthur Samuel對機器學習的定義:在沒有明確設置的情況下,使計算機具有學習能力的研究領域(有些陳舊,不正式)

Tom Mitchell:計算機程序從經驗E中學習解決某一任務T,進行某一性能度量P,通過P測定在T上的表現因經驗E而提高

 

機器學習算法分類:

1. 監督學習:我們教計算機做某件事情

2. 無監督學習:我們讓計算機自己學習

3. 強化學習:

4. 推薦系統:

 

三. 監督學習(supervised learning):

監督學習是指 我們給算法一個數據集,其中包含了正確答案。也就是說我們給它一個房價數據集,在這個數據集中的每個樣本,我們都給出正確的價格即這個房子實際賣價,算法的目的就是給出更多的正確答案,例如為你朋友想要賣掉的這所新房子給出估價。

  回歸問題:結果是線性的(我們設法預測出一個連續值的結果)

  分類問題:結果是離散的(我們設法預測出一個離散值的結果)

 

四. 無監督學習(unsupervised learning):

1. 聚類算法:針對數據集,無監督學習算法可能判定該數據集包含兩個不同的聚集簇。這是一個,那是另一個,二者不同。是的,無監督學習算法可能會把這些數據分成兩個不同的簇。

聚類和分類的區別:
分類:已知數據的類型,即在沒有輸入的時候,就知道輸出的結果(如:腫瘤良性還是惡性)。
聚類:不知道數據的類型,只給數據一些特征,機器根據特征,將數據分開。

2. ‘雞尾酒會算法’:使用無監督學習實現語音分離

 


注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
粤ICP备14056181号  © 2014-2021 ITdaan.com