【Stanford Machine Learning Open Course】1. 机器学习介绍

这里是斯坦福大学机器学习网络课程的学习笔记。课程地址是：https://class.coursera.org/ml-2012-002/lecture/index

 

1. 什么是机器学习？ 它能做什么？

学过算法的同学知道，我们可以写一个程序，让机器执行我们预设的步骤，去求解如最短路径问题等有特定结果的问题。

但是在一些情况下，尤其是涉及概率问题的有不确定结果的问题，单纯的算法又是不足以解决实际问题的，如股票价格预测，性格分类等。

 

那这些问题如何解决呢？ 这里就是机器学习的战场了。

机器学习（Machine Learning，简称ML），可以理解为不用你去写具体执行步骤，而让机器有能力去学习出结果的课题。

 

在生活中，其实随处可见机器学习应用：如上面提到的股票价格预测，性格分类等，还有社交网络中对话题、朋友圈的归类等，都可以用机器学习解决。

 

2. 机器学习的一种分类：监督学习/无监督学习

监督学习：一般是指，我们对正确结果有特定的预期，比如股票价格预测、性格分类等，你知道结果是某个具体值或某个范围的值。这类机器通常有提供了结果值的训练样本。 这里一般是回归问题和分类问题。

　　回归问题一般是预测出连续值，如股票价格预测； 而分类问题一般是预测是离散值，如性格分类问题。

无监督学习：是相对于监督学习讲的，一般是指，我们对结果值没有太明确的预期，比如给定了一个样本集合，从中找出它们的不同规律，并进行分类，通常类别个数是未知，这个一般是聚类问题。

 

问题：samuel的西洋棋是无监督学习还是有监督学习？

答：是有监督学习，因为他是使机器玩了上万盘棋，然后观察不同布局的输赢情况，来学习出了高水平的西洋棋水平。