机器学习

什么是机器学习?

　　第一个机器学习的定义来自于Arthur Samuel，他将机器学习定义为：“在进行特定的编程的情况下，给与计算机学习能力的领域”。他编写了一个西洋棋程序，使计算机自己跟自己下棋，通过这些练习，计算机获得了无比丰富的经验。另外一个年代近一点的定义，由来自卡内基梅隆大学的Tom Mitchell提出，“一个程序被认为能从经验 E 中学习，解决 任务 T ，达到性能度量值 P ，当且仅当，有了经验 E 后，经过 P 评判，程序在处理 T 的时候性能有所提升。”

监督学习

　　首先用一个例子来介绍什么使监督学习，例如预测房价：

　　一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据，当把这些数据画出来，看起来是这个样子：“横轴表示房子的面积，单位使平方英尺，纵轴表示的是房价，单位是千/美元”，基于这些数据，假设你有一个朋友，它拥有一套750平方英尺的房子，他想将房子卖掉，他想知道房子能买多少钱。

 

 

 　　在这组数据中，我们拟合一条直线，根据这条直线我们可以推算出这套房子可能卖$150000，如果我们用二次方程的曲线来拟合，我们可以推算出，这套房子可能卖接近$200000。稍后，我们将讨论如何选择学习算法，让你的朋友将房子的价格买的更合理。可以看出，监督学习就是我们给学习算法一个数据集，这些数据集由“正确答案”组成。在房价的例子中，我们给出了数据集中每个样本的正确价格，即它们的实售价，然后运用学习算法，算出更多的正确答案。

　　上述的例子中是一个回归问题，一般房子的价格会记到美分，所以房子的价格实际上是一系列离散值，但我们通常又会将房价看成是一个标量，所以又把它看成是一个连续值，所以回归这个词的意思就是我们试着推测出这一系列连续值的属性。

　　我们在看另外一个监督学习的例子，假设你想通过查看病例来推测乳腺癌的良性与否，让我们来看这样一组数据：“在这个数据集中，横轴表示肿瘤的大小，纵轴表示的是 ‘ 是（1）或不是（0）’ 恶性肿瘤”：

　　现在有5个良性肿瘤样本，在 1 的位置有5个恶性肿瘤的样本，现在我们有一个朋友很不幸检查出乳腺肿瘤，那么机器学习的问题就在于估算这个肿瘤是良性的还是恶性的。

　　上述问题是一个分类问题，分类指的是我们尝试着推测出离散的输出值。

　　上述的回归问题和分类问题就是监督学习的内容

无监督学习

 　　

 

 　　如上图所示，在监督学习中的数据集，我们可以清楚的知道每条数据的标签，不同于监督学习的数据，在无监督学习中没有任何的标签或者有着相同的标签。而无监督学习就是将这些数据分成几个不同的簇，所以又叫聚类算法。

 

 

　　例如有一个DNA微观数据的例子。其基本思想是输入一组不同个体，对其中的每个个体，你要分析出它们之中是否有一个特定的基因已经表达。技术上你要分析多少特定基因已经表达。所以这些颜色“红、绿、灰 ” 等等，这些颜色展示了相应的程度，机器学习要做的就是实用一个聚类算法，把个体聚类到不同的类或不同类型的人......

　　以上监督学习和无监督学习都属于机器学习的内容，欢迎指正和批评！！！