首页 > 代码库 > 机器学习公开课笔记第一周

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

技术分享

  • 映射函数ƒ由是由代价函数来衡量的,设映射函数由hθ(x)=θ12X表示,代价函数技术分享,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

技术分享 

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

技术分享

机器学习公开课笔记第一周