吴恩达机器学习笔记|（1）概述及分类

声明：本系列十二篇文章均为[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili学习笔记，另外收集了课程相关课件、作业原题及参考源码，以及我的笔记原文件，已经放在我的github上，欢迎大家取用~

侵删~

一、概述

学习算法是一组工具，如何正确使用这些工具是最重要的

1. 定义：计算机从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。
   例：邮件程序根据你对垃圾邮件和非垃圾邮件的标记，从而基于此来学习如何过滤垃圾邮件。其中E是你给邮件的标签，T是区分垃圾邮件，P是区分成功率
2. 分类：
   • Supervised Learning
   • Unsupervised Learning
   • Others: Reinforcement Learning，Recommender Systems

二、监督学习（Supervised Learning）

1. 定义：我们给算法一个数据集，其中包含了“正确答案”，算法的目的就是给出更多的“正确答案”。
   • “回归问题”，即预测连续值的输出。（房价预测实例）
   • “分类问题”，即预测离散值输出，0/1、0/1/2/...。（肿瘤分类实例）
2. 如何处理无穷多的特征？
   • 设计一个算法来解决——什么算法？

三、无监督学习（Unsupervised Learning）

1. 定义：数据集无标签或者标签相同，算法自动识别数据集的结构特征。

   • 聚类算法：根据数据集的特征将其分为不同的簇
   • Octave/Matlab

   学会用Octave建立算法原型并运行（因为很快），然后再迁移到其它环境中
   Octave和Matlab语法兼容
   Octave开源且轻量级