Andrew Ng ML课程总结(一)
来源:互联网 发布:网络棋牌游戏赚钱吗 编辑:程序博客网 时间:2024/06/05 02:04
大致内容
这些文章(包括接下来要写的几篇)是关于Andrew Ng(吴恩达) 在Stanford 机器学习的公开课的总结,视频在网易上有中英文字幕版,coursera上也有对应课程。Andrew Ng其人是人工智能方面的大牛,不必过多介绍。
下面是第一讲的内容
- 机器学习动机与应用
机器学习的定义:Arthur Samuel 与TomMitchell 的定义略有不同。Arthur Samuel被称为“pioneer of artificial intelligence research”,创造了第一个自学习的程序即他的西洋棋程序,他对机器学习的定义是“Field of study that gives computers the ability to learn without being explicitly programmed”。Tom Mitchell给出的定义更加形式化,而且被广泛引用:“for任务T 和度量方法P,如果一个程序在T 上以P 衡量的性能随着经验E 而自我完善,那么我们称这个程序在经验E 中学习“。
- 课程大致内容
主要包括监督学习、无监督学习、学习理论、加强学习四个方面
监督学习(Supervised Learning),就是基于标记数据的学习。举例来看,有回归问题(Regression)和分类问题(Classification),在这里回归问题以连续数据为例(房屋价格根据其面积的预测,事实上房屋价格严格地说是离散数据)而分类问题以离散数据(用肿瘤大小来判断良性恶性)为例,更大的意义上说这二者的应用都不限于此。
无监督学习(Unsupervised Learning),数据是没有被标记的学习,即没有对具体的学习样本规定对应的输出结果。比如聚类问题;另外吴举了一个通过对图片聚类来构建3D 模型的例子(这个做的非常好,类似的效果可以参考百度地图的街景);还有一个例子是去除噪声的滤波问题,所谓的”鸡尾酒会问题“,令人惊讶的是他说matlab一行代码可以搞定。
加强学习(Reinforcement Learning),加强学习的核心是回报函数,通过定义行为的好坏,以及采用的趋好避坏的算法,可以在学习后让程序有一系列”正确的“行为。吴举的例子是自动驾驶直升飞机的倒飞,机器动物的爬越障碍等。
学习理论(Learning Theory),研究如何选择算法,如何验证算法的有效性,如何求得算法需要的数据量等。
- Andrew Ng ML课程总结(一)
- Andrew Ng ML课程总结(二)
- Coursera上Andrew Ng机器学习课程总结(一)
- Andrew Ng机器学习(ML)入门学习笔记(一)
- coursera andrew Ng老师的machine learning的课程总结(一)
- MARK!andrew ng的ml课程学习笔记,后续整理
- Andrew NG 机器学习课程笔记(一)
- Andrew Ng机器学习课程笔记(一)
- Coursera上Andrew Ng机器学习课程总结(二)
- SVM(Andrew ng ML)
- Stanford's Andrew Ng课程疑问一
- Andrew Ng机器学习课程总结
- Andrew ng ML Coursera Quiz1
- Andrew Ng-ML-第一讲
- Andrew Ng-ML-第二讲
- Andrew Ng-ML-第三讲
- Andrew Ng-ML-第四讲
- Andrew Ng机器学习(ML)入门学习笔记(二)
- ArcMap Add-in插件开发中解决VS调试时断点不会命中的问题
- js中html属性操作整理
- PHP 定界符的使用 <<<
- 剑指offer-->第46题
- 2017gdut校赛初赛题解
- Andrew Ng ML课程总结(一)
- iOS 开始GCD的研究(三)
- Error:Error: Could not create the Java Error: A fatal exception has occurred. Program will exit.
- web前段技术框架总结
- Project Euler Problem 10: Summation of primes
- Promise , fetch Api ,blueBird,Q,When
- 有哪些方法可以随机生成一个整数,以及如果取得的一个随机数是负数的话,获得的整数是怎么样的?
- socket通信原理与实现
- POJ 3666 Making the Grade dp + 离散化