机器学习笔记 (Andrew Ng)

资源:

课程:https://www.bilibili.com/video/BV164411b7dx

Homework(Matlab):https://github.com/Ayatans/Machine-Learning-homework

Homework(Python):https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

1.3 监督学习 Supervised Learning

    监督学习，其基本思想是，我们数据集中的每个样本都有相应的“正确答案”，再根据这些样本作出预测。 

   监督学习 Supervised Learning: Given the "right answer" (label) for each example in the data.

    回归 Regression: Predict continuous valued output.

    分类 Classification: Discrete valued output (0,1,2,3···).

1.4 无监督学习 Unsupervised Learning

     不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。所以我们已知数据集，却不知如何处理，也未告知每个数据点是什么。别的都不知道，就是一个数据集。你能从数据中找到某种结构吗？针对数据集，无监督学习就能判断出数据有两个不同的聚集簇。这是一个，那是另一个，二者不同。是的，无监督学习算法可能会把这些数据分成两个不同的簇。所以叫做聚类算法。

        所以这个就是无监督学习，因为我们没有提前告知算法一些信息，比如，这是第一类的人，那些是第二类的人，还有第三类，等等。我们只是说，是的，这是有一堆数据。我不知道数据里面有什么。我不知道谁是什么类型。我甚至不知道人们有哪些不同的类型，这些类型又是什么。但你能自动地找到数据中的结构吗？就是说你要自动地聚类那些个体到各个类，我没法提前知道哪些是哪些。因为我们没有给算法正确答案来回应数据集中的数据，所以这就是无监督学习。

2.1 模型描述 Model representation

2.2 ~ 2.4 代价函数 Cost Function