Coursera 机器学习 第一周 学习笔记
来源:互联网 发布:宜居星球知乎 编辑:程序博客网 时间:2024/05/05 08:24
What is machine learning(什么是机器学习)
Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.(机器学习:使计算机在不显式编程的情况下自主学习的能力的研究领域。)Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said to learnfrom 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. (一个计算机程序据从一些任务T和一些性能度量p中学到经验E,如果它在T上的性能,用P来衡量,则其将不断吸取经验E来改进其程序。)
机器学习的算法的类型:
Supervised learning(监督学习)
通过生成一个函数将输入映射为一个合适的输出(通常也称为标记,多数情况下训练集都是有人工专家标注生成的)。训练集是标记的 。
Unsupervised learning(非监督学习)
与有监督学习相比,训练集没有人为标注的结果。常见的无监督学习算法有聚类。训练集是未标记的 。
Supervised learning(监督学习)
监督学习主要会提供一些标注样本,分为两大问题:回归和分类
教学案例1:房屋价格预测-回归(Regression): 预测连续的输出值(价格)
教学案例2 :乳腺癌(良性,恶性)预测问题-分类(Classification): 预测离散的输出值(0, 1)
Unsupervised learning(非监督学习)
常见的无监督学习算法有聚类。
监督学习和无监督学习的对比,看图更形象:
单参数线性回归 Linear Regression with one variable
以房价为例:
利用监督学习当中的回归算法来解决房价问题
如何设置 h (预测函数),就是我们需要找到的复合所给数据条件的线性回归算法。
我们通过损耗函数来分析所给的h(预测函数)的优劣性。:当然,损耗函数的值越小,说明预测函数越优越。
如何找到使得损耗函数的值最小的方法,本课推荐了梯度下降法(gradient descent)。
Gradient descent 梯度下降算法,可用于寻找最优解
梯度下降法与线性回归两者结合:
阅读全文
1 0
- Coursera机器学习第一周学习笔记
- Coursera 机器学习 第一周 学习笔记
- coursera机器学习笔记(第一周、第二周)
- 第一周-Coursera/Stanford机器学习课程学习笔记-单变量线性回归
- Coursera机器学习第一周学习笔记(二)——Gradient descent
- 机器学习第一周笔记
- Coursera机器学习笔记
- 《机器学习》学习笔记-第一周
- 机器学习第一周学习笔记
- 吴恩达机器学习笔记_第一周
- 斯坦福大学机器学习笔记 第一周
- 【吴恩达】机器学习课程第一周笔记
- 机器学习 第一周
- 机器学习第一周
- COURSERA机器学习笔记1
- COURSERA机器学习笔记2
- Coursera机器学习 Week1 笔记
- Coursera机器学习 Week2 笔记
- Lucene学习总结之五:Lucene段合并(merge)过程分析
- 项目利用Maven Install指令构建时出现找不到符号
- 文件夹名字中有空格会导致很多稀奇古怪的问题
- java的String字符串拼接和StringBuffer的append的速度差异
- 数据结构学习笔记一
- Coursera 机器学习 第一周 学习笔记
- nlogn求最长上升子序列长度(二分 找序列)
- 浅看数据结构和算法的关系
- 写作笔记二
- Spring4.0后自定义属性编辑器配置的变化
- d3学习笔记
- oracle11g java导出excel报错oracle.sql.CLOB@xxxx问题
- python习题——迭代器
- AI,机器学习(模式识别),深度学习的区别与联系