斯坦福大学机器学习公开课---1.机器学习简单介绍

斯坦福大学机器学习公开课---1. 机器学习简单介绍

1.1  介绍

机器学习流行原因---
1)      由人工智能AI发展来的一个领域
2)      是计算机需要开发的一项新的能力，涉及工业和基础学科中的很多内容。
应用学习算法，如设计自主机器人，计算生物学和其他被机器学习影响的领域。

1.2  机器学习应用

1)        数据挖掘
网站点击流数据、电子医疗记录、计算生物学和工程学。
2)        无法手动进行编程的领域
自动直升机、手写体识别、自然语言处理NLP和计算机视觉。
3)        自我定制程序
Amazon, Netflix（网飞公司）的产品推送。
4)        理解人类的学习（大脑，real AI）

1.3 机器学习定义

Machine Learning definition
1)      Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability
to learn without being explicitly programmed.（曾经编写过跳棋程序）
2)      Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said tolearn
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.

2  Machine learning

2.1  Machine learning algorithms:机器学习算法分类

Supervised learning
监督学习
Unsupervised learning
非监督学习
Others: Reinforcement learning增强学习, recommender systems推荐系统.

2.2  Introduction to Supervised Learning监督学习介绍

Supervised Learning :“right answers” given.
给算法一个数据集，并给定每个样本“正确的答案”(标记，正样本和负样本)。
l Regression：Predict
continuous valued output (price).回归问题，用来预测连续性输出值。
l Classification：Discrete
valued output (0 or 1)

2.3  Introduction to Unsupervised Learning非监督学习介绍

Unsupervised Learning : “right answers”  are not given.没有标记正负样本之分。
无监督学习（聚类算法）：给定一个训练数据集，从中找到某种结构，即将数据集分为几个聚类。（让算法自己从数据中发现一切）
Cocktail party problem algorithm:[W,s,v] =svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');