Chapter 1 - 引言

機器學習的定義 —— Tom Mitchell

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.

根據自己的理解，翻譯成中文：
如果一個程序在某類任務T中，受性能指標P的度量，其性能值能隨著經驗值E的上升而不斷提升，這個程序就能從與任務T和性能指標P相關的經驗值E中學習。

疑問：學到后來發現，這個定義更像是對監督學習而不是所有機器學習的定義哈？監督學習的P很明顯是所謂的J(θ)，無監督學習的P或許更隱晦吧。。。

機器學習應用領域

（一）數據庫挖掘：

• 收集點擊流數據，使用機器學習算法來分析；
• 利用電子醫療記錄，更好的理解疾病；
• 計算生物學中，收集大量基因數據序列、DNA 序列分析
• 工程經驗學習，機械中的無人操作等領域

（二）手寫識別（圖像識別）

• 識別信封從而自動選擇路徑

（三）更好的了解人腦，理解人類學習過程

機器學習的分類

主要分為監督學習和無監督學習。

監督學習

定義：給學習算法一個由“正確答案”組成的數據集，推知更多正確答案的過程。

※監督學習還可以分為回歸問題和分類問題，劃分標準是：“正確答案”是連續的還是離散的。
舉例：通過近幾年房價推測未來房價（連續值）為前者，通過腫瘤特征推測良性還是惡性為后者。

無監督學習

定義：僅給算法大量數據，讓其從數據中找出某種結構。也就是說，這些數據沒有任何標簽或標簽相同，讓你標上標簽（可能這樣說片面了些，只針對類聚算法）。
舉例：利用聚類算法，將個體聚類到不同類中。如，谷歌新聞分類，雞尾酒宴中分離出不同人說話的聲音。

總結

以上是生活随笔為你收集整理的吴恩达Coursera机器学习 - Chapter 1 引言的全部內容，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。