每學(xué)完一章都來寫一篇博客，用來總結(jié)回顧和反思。

一、機(jī)器學(xué)習(xí)的一些簡單應(yīng)用

我們可以利用計(jì)算機(jī)實(shí)現(xiàn)基礎(chǔ)的功能：例如計(jì)算A到B的最短路徑。

但是 網(wǎng)頁搜索、垃圾郵件的過濾、圖片識(shí)別 等功能需要應(yīng)用機(jī)器學(xué)習(xí)的技術(shù)，總體來說分成五個(gè)方面

? 1、數(shù)據(jù)挖掘，例如分析用戶的點(diǎn)擊量來分析用戶習(xí)慣，更好的了解用戶

? 2、對(duì)于某些無法直接編寫代碼的場景，例如無人機(jī)自動(dòng)駕駛

??3、NLP 自然語言處理

? 4、個(gè)性推薦

? 5、AI，像人的大腦一樣

二、什么是機(jī)器學(xué)習(xí)

? ? ?Arthur Samuel對(duì)機(jī)器學(xué)習(xí)的定義：在沒有明確設(shè)置的情況下，使計(jì)算機(jī)具有學(xué)習(xí)能力的研究領(lǐng)域(有些陳舊，不正確）。

? ? Tom Mitchell：計(jì)算機(jī)程序從經(jīng)驗(yàn)E中學(xué)習(xí)解決某一任務(wù)T，進(jìn)行某一性能度量P，通過P測定在T上的表現(xiàn)因經(jīng)驗(yàn)E而提高。

? ? 機(jī)器學(xué)習(xí)算法分類：

? ? 1. 監(jiān)督學(xué)習(xí)：我們教計(jì)算機(jī)做某件事情

? ? 2. 無監(jiān)督學(xué)習(xí)：我們讓計(jì)算機(jī)自己學(xué)習(xí)

? ? 3. 強(qiáng)化學(xué)習(xí)

? ? 4. 推薦系統(tǒng)

三、監(jiān)督學(xué)習(xí)（supervised learning）

監(jiān)督學(xué)習(xí)：就是我們給算法一個(gè)數(shù)據(jù)集，其中包含了正確答案。也就是說我們給它一個(gè)房價(jià)數(shù)據(jù)集，在這個(gè)數(shù)據(jù)集中的每個(gè)樣本，我們都給出正確的價(jià)格即這個(gè)房子實(shí)際賣價(jià)，算法的目的就是給出更多的正確答案，例如為你朋友想要賣掉的這所新房子給出估價(jià)。

回歸問題：結(jié)果是線性的（我們?cè)O(shè)法預(yù)測出一個(gè)連續(xù)值的結(jié)果）。

分類問題：結(jié)果是離散的（我們?cè)O(shè)法預(yù)測出一個(gè)離散值得結(jié)果）。

四、無監(jiān)督學(xué)習(xí)（unsupervised learning）

無監(jiān)督學(xué)習(xí)：就是我們已知的數(shù)據(jù)，不同于監(jiān)督學(xué)習(xí)的數(shù)據(jù)一樣，無監(jiān)督學(xué)習(xí)中是沒有任何標(biāo)簽的。針對(duì)數(shù)據(jù)集，無監(jiān)督學(xué)習(xí)就可能判斷出數(shù)據(jù)有兩個(gè)不同的聚集簇。這是一個(gè)，這是另外一個(gè)，二者不同。這就叫聚類算法。

聚類應(yīng)用的一個(gè)例子就是在谷歌新聞中。如果你以前從來沒見過它，你可以到這個(gè) URL 網(wǎng)址 news.google.com 去看看。谷歌新聞每天都在收集非常多非常多的網(wǎng)絡(luò)的新聞內(nèi)容。 它再將這些新聞分組，組成有關(guān)聯(lián)的新聞。所以谷歌新聞做的就是搜索非常多的新聞事件， 自動(dòng)地把它們聚類到一起。所以，這些新聞事件全是同一主題的，并會(huì)顯示到一起。

所以這個(gè)就是無監(jiān)督學(xué)習(xí)，因?yàn)槲覀儧]有提前告知算法一些信息。我們只是說，是的，這是有一堆數(shù)據(jù)。我不知道這些數(shù)據(jù)是什么。我不知道誰是什么類型。我甚至不知道有哪些不同的類型，你能自動(dòng)地找到數(shù)據(jù)中的結(jié)構(gòu)嗎？就是說你要自動(dòng)地聚類那些個(gè)體到各個(gè)類，我沒法提前知道哪些是哪些。因?yàn)槲覀儧]有給算法正確答案來回應(yīng)數(shù)據(jù)集中的數(shù)據(jù)，所以這就是無監(jiān)督學(xué)習(xí)。

聚類和分類的區(qū)別：
分類：已知數(shù)據(jù)的類型，即在沒有輸入的時(shí)候，就知道輸出的結(jié)果（如：腫瘤良性還是惡性）。
聚類：不知道數(shù)據(jù)的類型，只給數(shù)據(jù)一些特征，機(jī)器根據(jù)特征，將數(shù)據(jù)分開。

無監(jiān)督學(xué)習(xí)或者聚類的一些應(yīng)用：

1、它用于組織大型計(jì)算機(jī)集群。我有些朋友在大數(shù)據(jù)中心工作，那里有大型的計(jì)算機(jī)集群，他們想解決什么樣的機(jī)器易于協(xié)同地工作，如果你能夠讓那些機(jī)器協(xié)同工作，你就能讓你的數(shù)據(jù)中心工作得更高效。

2、第二種應(yīng)用就是社交網(wǎng)絡(luò)的分析。所以已知你朋友的信息，比如你經(jīng)常發(fā) email 的，或是你 Facebook 的朋友、谷歌+圈子的朋友，我們能否自動(dòng)地給出朋友的分組呢?即每組里的人們彼此都熟識(shí)，認(rèn)識(shí)組里的所有人?

3、還有市場分割。許多公司有大型的數(shù)據(jù)庫，存儲(chǔ)消費(fèi)者信息。所以，你能檢索這些顧客數(shù)據(jù)集，自動(dòng)地發(fā)現(xiàn)市場分類，并自動(dòng)地把顧客劃分到不同的細(xì)分市場中，你才能自動(dòng)并更有效地銷售或不同的細(xì)分市場一起進(jìn)行銷售。這也是無監(jiān)督學(xué)習(xí)，因?yàn)槲覀儞碛兴械念櫩蛿?shù)據(jù)，但我們沒有提前知道是什么的細(xì)分市場，以及分別有哪些我們數(shù)據(jù)集中的顧客。我們不知道誰是在一號(hào)細(xì)分市場，誰在二號(hào)市場，等等。那我們就必須讓算法從數(shù)據(jù)中發(fā)現(xiàn)這一切。

4、最后，無監(jiān)督學(xué)習(xí)也可用于天文數(shù)據(jù)分析，這些聚類算法給出了令人驚訝、有趣、有用的理論，解釋了星系是如何誕生的。

這些都是聚類的例子，但是聚類只是無監(jiān)督學(xué)習(xí)中的一種。

Fighting！！！

?

?

?

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的吴恩达机器学习笔记——第一章的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。