机器学习基本概念（待更新）

机器学习基本概念

Category: 吴恩达课程
Last Edited: Oct 11, 2018 9:53 AM
Tags: 听课笔记,吴恩达,机器学习

定义一：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。理解：监督学习类似提供标准答案的学习过程，自己先做，然后校对标准答案来分析问题并找出通用的方法，这样下次再遇到类似的问题时就能很好得解答。这里的样本就是我们需要分析的题目，而分类器就是标准答案，需要预先调整好分类器的类型和数值，即先写好标准答案，再将样本放入分类器中进行分析。

定义二：给定一个训练集，来让机器学习一个函数 h ： X — >Y，让 h(x) 能是一个与对应的真实 y 值比较接近的评估值。（吴恩达）
训练资料：
1. 输入物件：通常是向量
2. 输出函数：
  - 一个连续的值（如南京房价一年来的波动情况）—>回归分析
    
    如：
```
                                                      房价分布 
```
  - 一个分类标签（如）—>分类
    
    如：
```
                               肿瘤大小与是否为癌症的统计分布
```
  - 对于复杂的分类问题，往往可能有无穷多个维度，而不仅仅是上图中两个维度：
  面对无穷多的属性，我们可以使用[支持向量机](https://www.notion.so/chenhao/6c2aec18e61143d7ac9887d22658ef38)来解决此类问题。