一、引言
1 机器学习定义
计算机程序从经验E中学习,解决某一任务T,进行某一性能P,通过P测定在T上的表现因经验E而提高
eg:跳棋程序
E: 程序自身下的上万盘棋局
T: 下跳棋
P: 与新对手下跳棋时赢的概率
2 监督学习 supervised learning
2.1 监督学习定义
给算法一个数据集,其中包含了正确答案,算法的目的是给出更多的正确答案
如预测房价(回归问题)、肿瘤良性恶性分类(分类问题)
2.2 无监督学习 unsupervised learning
2.1 无监督学习定义
只给算法一个数据集,但是不给数据集的正确答案,由算法自行分类。
如聚类 1.谷歌新闻每天收集几十万条新闻,并按主题分好类 2.市场通过对用户进行分类,确定目标用户 3.鸡尾酒算法:两个麦克风分别离两个人不同距离,录制两段录音,将两个人的声音分离开来(只需一行代码就可实现,但实现的过程要花大量的时间)
2.3 机器学习算法:
监督学习算法:线性回归、Logistic回归、神经网络、支持向量机等。
无监督学习算法:聚类、降维、异常检测算法等。
特殊算法:推荐算法等。