目錄

1）welcome

2）What is Machine Learning

3）Supervised Learning?

4）Unsupervised Learning

---

1）welcome

第一個視頻主要介紹了機器學習目前的案例，主要有：數據庫挖掘、醫療記錄、生物工程、無人直升機、手寫識別、NLP、計算機視覺等。

2）What is Machine Learning

下面是機器學習的兩個定義，分別來自于Arthur Samuel 和 Tom Mitchell：

第一個定義是：在未進行特定編程的情況下，給予計算機學習能力的領域。

第二個定義是：一個程序被認為能從經驗 E 中學習，解決任務 T，達到性能度量值P，當且僅當，有了經驗 E 后，經過 P 評判，程序在處理 T 時的性能有所提升。

目前存在幾種不同類型的學習算法，主要的兩種類型為監督學習和無監督學習。此外還有強化學習和推薦系統等。但更重要的還有了解應用學習算法的建議。我們不僅要知道工具，更要知道如何使用好工具。

3）Supervised Learning?

先看一個例子，這有一張數據圖，橫軸表示面積，縱軸表示房價。基于這組數據，假如你有一個朋友，他有一套750平方英尺的房子，能賣多少錢？從圖中可以看出，紅色和藍色曲線代表兩種擬合方式，顯然藍色曲線擬合的效果更好。這是一個回歸問題，回歸的意思是，我們在試著推測出一個連續值的結果。

這里有一份關于乳腺癌的數據，橫軸表示腫瘤大小，縱軸表示腫瘤是否為惡性。惡性則為1，良性記為0。這是一個分類的問題，分類指的是，我們推測出離散的輸出值。

在其它機器學習問題中，可能會遇到不止一種特征，我們不僅知道腫瘤的尺寸，還知道患者的年齡。腫塊密度、腫瘤細胞尺寸等等。

現在我們來總結一下，監督學習基本思想是：我們數據集中的每個樣本都有相應的 “正確答案”?；貧w可以推出一個連續的輸出，分類目標是一組離散的結果。

4）Unsupervised Learning

現在我們來介紹無監督學習。在監督學習中，數據集已經有了正確的標記。而在無監督學習中，數據集沒有任何的標簽。下圖中，我們把數據分成了兩個簇，這是聚類算法。

? ? ? ? ? ? ? ? ? ? ??? ? ? ? ?

下圖也是一個聚類算法的應用，輸入一組不同個體的基因，我們把個體聚類到不同的類或不同類型的組。

下面是無監督學習的應用，如組織大型計算機群、社交網絡分析，市場分割，天文學數據分析。

總結

以上是生活随笔為你收集整理的机器学习笔记（1）：Introduction的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。