機器學習概述

一 什么是機器學習？

　　機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

?

　　它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。（百度百科） 二 按學習形式分類 　　監督學習（supervised learning）：即在機械學習過程中提供對錯指示。一般實在是數據組中包含最終結果（0，1）。通過算法讓機器自我減少誤差。這一類學習主要應用于分類和預測 (regression & classify)。監督學習從給定的訓練數據集中學習出一個函數，當新的數據到來時，可以根據這個函數預測結果。監督學習的訓練集要求是包括輸入和輸出，也可以說是特征和目標。訓練集中的目標是由人標注的。常見的監督學習算法包括線性回歸和統計分類。 　　非監督學習（unsupervised learning）：和監督學習不同，在給定的數據集中沒有對錯指示或者特征指示，讓算法給出數據集的一定的結構。常見的算法是聚類。 三 舉例論證 　　1 回歸問題 　　 正如坐標系中展示的一樣，我們事先通過調查研究找到了某地的房價和房子占地面積的數據集。這是假設你有一棟750平米的房子要出售，那么我該定什么樣的價位合適呢？? 這時我們要通過擬合一條線（或直線或曲線）盡量貼合這些數據點，這樣就能找到對應房子的大小的房價。這就是典型的線性回歸模型。 　　2 分類問題 ?正如圖中所示的關于腫瘤大小和是否患惡性的例子，橫坐標是腫瘤大小，縱軸是是否為惡性。給出的數據集包含有腫瘤的大小和患病情況，現在給出某個腫瘤的大小，想知道是否為患惡性腫瘤。這就是分類問題，讓機器預測出一個離散值的輸出。 當然機器學習問題不止這些。我們將在后續的學習筆記上繼續了解。

?

轉載于:https://www.cnblogs.com/Rophy/p/9159524.html

總結

以上是生活随笔為你收集整理的“跟着吴恩达老师入门机器学习”学习笔记（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。