Lecture 1  Introduction and Basic Concepts

　　Lecture1 分4個視訊，主要講了

• 視訊1 - 2 - What is Machine Learning_ (7 min)

0、機器學習定義

• Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.  機器學習：在進行特定程式設計的情況下，給予計算機學習能力的領域。 • Tom Mitchell (1998) Well-posed Learning Problem: 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.     卡內基梅隆大學Tom 定義：一個程式被認為能從經驗 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 E 後，經過 P 評判，程式在處理 T 時的效能有所提升。

1、以垃圾郵件監測為例，解釋Tom 定義中字母的對應

　　　　例題：

2、機器學習演算法

常用：

　　- Supervised learning 監督學習　　- Unsupervised learning  無監督學習

其他：

　　　　Reinforcement learning, recommender systems 強化學習和推薦系統

3、課程目的

　　If you actually tried to develop a machine learning system, how to make those best practices type decisions about the way in which you build your system。

       如何在構建機器學習系統的時候選擇最好的實踐型別決策，節省時間。

• 1 - 3 - Supervised Learning (12 min)

1、Regression迴歸問題

　　　　迴歸問題：預測連續的輸出值

　　Housing price prediction

　　在歷史房價資料的基礎上，預測房屋價格。可以使用直線擬合（粉色），也可以使用二次曲線擬合（藍色）。

 　　　　監督學習：基於已有的正確結果。              迴歸問題：預測連續的輸出值

2、Classification分類問題

　　分類問題的預測結果是離散的多個值

　　腫瘤良性預測

下圖是基於兩個特徵（兩個維度）進行預測的例子， 右邊是可能的其他維度（維度可能有無窮多個）

 3、區分“分類問題”和“迴歸問題”

　　　　例題：

• 1 - 4 - Unsupervised Learning (14 min)

  1、區分“監督學習”和“無監督學習”

Supervised Learning：學習資料帶有標籤

Unsupervised Learning：沒有任何的標籤，或者有相同的標籤。已知資料集，不知如何處理，也未告知每個資料點是什麼。（右側的例子，無監督學習將資料劃分為兩個集合，也就是聚類clustering algorithm）

2、聚類演算法的例子

　　　　Google News 每天將爬來的網址分為一個個的新聞專題。 基因資訊分組。組織大型計算機叢集。 社交網路的分析。市場分割。天文資料分析

　　　　 雞尾酒party問題，將混在一起的多個音訊源拆開。

在Octave裡只需要一行程式碼

[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');