機器學習筆記 -吳恩達(第一章:緒論)
阿新 • • 發佈:2018-11-19
0.機器學習定義
一個程式由經驗E中學習,解決任務T,達到效能度量值P,當且僅當,有了經驗值E後,經過P的評判,程式在處理T的時候經驗有所提升。
1.機器學習運用領域:
資料探勘
無法手動編寫的程式:NLP(自然語言處理),計算機視覺
私人訂製程式:eg推薦
Understanding human learning (brain, real AI)
2.演算法
(1)監督學習:我們會教計算機做某事
監督學習指的就是我們給演算法一個數據集。這個資料集由特徵值與正確答案組成。也就是說資料集是帶標籤的。
例如 (房子面積、樓層位置、價格)
(2)非監督學習:計算機自己學習
無監督學習中沒有任何的標籤,需要計算機自動探索資料的結構與規律。
Others: 強化學習,推薦系統
3.監督學習
案例:房價預測、垃圾郵件分類、糖尿病預測
迴歸問題:Regression 預測連續值的輸出
分類問題:Classification 設法預測一個離散值輸出0或1(有時也有2個以上可能的輸出值)
可有多個屬性
4.無監督學習
聚類演算法 eg:google新聞分類
應用:(1)組織大型的計算機群 (2)社交網路分析 (3)市場細分 (4)天文資料分析 (5) 基因表達
code案例:(音訊分離程式碼)【W,s,v】=svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');