网站开发pc和手机端,重庆网络seo,网站优化细节,企业信息系统英文吴恩达《机器学习》学习笔记一一、 什么是机器学习#xff1f;二、监督学习三、无监督学习初识机器学习这是个人学习吴恩达《机器学习》课程的一些笔记#xff0c;供自己和大家学习提升。第一篇内容较少#xff0c;日后继续加油。课程链接#xff1a;https://www.bilibili.…
吴恩达《机器学习》学习笔记一一、 什么是机器学习二、监督学习三、无监督学习初识机器学习这是个人学习吴恩达《机器学习》课程的一些笔记供自己和大家学习提升。第一篇内容较少日后继续加油。课程链接https://www.bilibili.com/video/BV164411b7dx?fromsearchseid5329376196520099118
一、 什么是机器学习
机器学习一直没有一个官方固定的定义。但课中给出了两种解释个人认为非常经典易于理解。
定义一Field of study that gives computers the ability to learn without being explicitly programmed.—— Arthur Samuel(1959) 即无需明确编程就使得计算机有学习能力的研究领域。
值得一提的是阿瑟.塞缪尔Arthur Samuel在此之前1952年研发出了第一个计算机跳棋程序它是世界上第一个可以自主学习的程序。通过和该跳棋程序不断的下棋使得该程序的跳棋技巧不断得到提升最终甚至超过了人类水平这是机器学习早期一个非常经典的案例。 定义二A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E. 即计算机程序从经验E上学习来处理任务T且P为性能评估如果在T上由P衡量的性能随着经验E的学习而提高这就是机器学习。
下面看一个课中给出的定义二的例子 这是一个邮件分类问题基于已知邮件是否为垃圾邮件的信息来优化邮件分类系统。此处选项一把邮件分类为垃圾或正常邮件是机器学习的T选项二观察你标记的邮件是垃圾还是正常是机器学习的E选项三正确分类邮件的数量是机器学习的P。
此外机器学习有其分类主要分为如下三类
机器学习分类具体算法举例监督学习线性回归、SVM、决策树等无监督学习聚类、密度估计等其他强化学习、推荐系统等-待学习-
所以下面分别讨论了基本的监督学习和无监督学习。
二、监督学习
监督学习的特点是学习数据都是有标注的。如经典的房价预测案例它的数据集中数据样本不仅给出了各自的属性值还给出了具体的房价大小而这个房价大小就是所谓的标注也就是需要预测的属性模型从带有标注的数据中学习随后对新的数据预测其标签值。如下图所示是房价预测的一个示例。 图中为简单起见只考虑了房子的一个属性面积feet2而实际还需要考虑很多其他属性如朝向、地段等。红色的×表示已知的一批带有标注的数据要从这些数据中学习得一种模型使得后续预测的值比较真实红色的直线是一次函数模型蓝色的曲线是更复杂的模型目标都是尽可能地模拟所有数据。模型选择的好坏也会对预测有很大的影响此处蓝色的模型看起来要比红色的好。若已得到一个模型则新给出一个输入如房屋面积为750feet2根据模型则可以得到预测房价为多少。
此外房价预测也是回归问题的一个实例所谓回归就是预测值是连续值此处房价是一个连续值所以是一个回归问题。 与此对应若预测值是离散的则被称为分类问题如上述提到的邮件分类预测值只有垃圾邮件和正常邮件两个值。如下图所示是根据肿瘤尺寸这个属性来对乳腺肿瘤进行分类的数据标签值只有0良性和1恶性两种。 而往往不止通过一个属性进行学习还可能通过细胞尺寸均匀度、细胞形状均匀度、患者年龄等许多属性来进行学习。
三、无监督学习
无监督学习与监督学习相对当学习数据不带有标签时就可以看成是无监督学习也可以理解为没有正确答案的学习。无监督学习在做的更多的是找出数据之间的相似相关性。如下图所示x1和x2是数据的两个属性数据不带有标签无监督学习会寻找数据之间的相似性将无标注的数据划分为一个个的簇。
