机器学习公开课笔记第一周

一，机器学习是什么？

　　"A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E."

Example: playing checkers.

E = the experience of playing many games of checkers

T = the task of playing checkers.

P = the probability that the program will win the next game.

　　一个计算机程序从指定任务T，学习执行任务T的相关经验E，提高了执行任务的准确性P

比如下棋：

E(数据):下很多盘棋的经验

T(任务):下棋

P(准确性):下下一盘棋赢的概率

二，机器学习的分类

1，监督学习(Supervised Learning)

　　在监督学习中，会给予一个已知正确答案的输入数据集，找到数据集与正确答案之间的关系

1）线性回归(Regression)

• 输出结果是连续值，给定输入数据，预测输出值，即寻找一个连续函数的映射f，输出连续值

• 映射函数ƒ由是由代价函数来衡量的，设映射函数由h_θ(x)=θ₁+θ₂X表示，代价函数，算出θ₂使代价函数J最小

2）分类(classification)

　　输出结果是离散值，给输入数据分类

 

2，无监督学习(Unsupervised learning)

　　和监督学习相比，无监督学习没有给定正确输出结果，无监督学习并没有给定机器学习的方向，完全是凭数据集中数据与数据之间的内在关系来给数据分块(cluster)，使每个块中数据与数据之间的差异最大值最小

所以也加聚类算法