吴恩达机器学习学习笔记--绪论篇
说明:本文是本人用于记录学习吴恩达机器学习的学习笔记,如有不对之处请多多包涵.
作者:爱做梦的90后
一、什么是机器学习.
1.1下面这张 图是samuel和Tom对于机器学习的定义。
简单的翻译一下第二个人对于机器学习的定义:
一个适当的机器学习问题定义如下:计算机程序从经验E中学习,解决某一问题T,进行某一 性能度量P,通过测定P在T上的表现T因经验E而提高.
举例小小的栗子来理解一下这句话,一个学习型的跳棋程序,他的经验E就是不断的与自己下几万盘棋,任务T就是下棋,P就是与其他的对手下棋的时候赢的概率.
吴老师给了一个小小的作业题,--><--,
根据Tom对于机器学习的定义,第一个选项是T,第二个选项是E,第三个选项是P。正确答案是第一个选项
二、机器学习的算法
2. 机器学习的算法主要分成两部分,一部分是监督学习,另一部分是非监督学习。监督学习简单来讲就是教会计算机怎么处理某些事情。非监督学习就是让计算机自己学习怎么处理某些事情.
2.1监督学习
监督学习的定义
监督学习是指我们给算法一个数集,其中包含了正确的答案.算法的目的就是给出更多的答案.
回归线问题:我们想要预测连续的数据输出.
分类问题:我们设法预测离散值的输出.
吴老师布置了一个小小的作业题,对于regression和classclassification问题。你能够区分基本没有什么问题。
正确答案就是选项三.
2.2 无监督学习
对于监督学习的每一个样本,我们清楚的告诉算法,什么是正确的,什么是不正确的,如下图的O,X。对于非监督学习,我们得到的数据都只有一个标签,我们不知道要拿它来做什么,也不知道每个数据是什么。我们只知道这里有数据集,我们能否从中找到某种关系。非监督学习,会把图2的数据分成两个不同的数据集,这也就聚类算法。
鸡尾酒问题
简单的描述一下什么叫鸡尾酒问题,在一个房间里有两个人举行鸡尾酒聚会,房间里放了两个麦克风距离两个人的距离不相同,那么麦克风录到的声音就是两个人的重音。
我们可以通过非监督学习,将麦克风的数据输入到非监督学习的算法当中,那么它输出的就是.两个人各自的录音,把重音给过滤掉。
非监督学习来处理这个鸡尾酒会的问题,把两个人的重音分离成各自的录音竟然只是使用了下面第二张截图的代码就搞定了,但是对于编程的环境有点不太一样,用C或C++实现样的功能估计会很复杂,
吴老师在这里介绍使用的是octave进行编程,就把很复杂的问题,简单的处理了。
吴老师给大家布置的作业
选项一是监督学习的分类问题,选项二是非监督学习,选项三也是非监督学习,选项四是监督学习的分类问题。