摘要：疑问学到后来发现，这个定义更像是对监督学习而不是所有机器学习的定义哈监督学习的很明显是所谓的，无监督学习的或许更隐晦吧。。。
Chapter 1 - 引言 机器学习的定义 —— 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.
根据自己的理解，翻译成中文：
如果一个程序在某类任务T中，受性能指标P的度量，其性能值能随着经验值E的上升而不断提升，这个程序就能从与任务T和性能指标P相关的经验值E中学习。
疑问：学到后来发现，这个定义更像是对监督学习而不是所有机器学习的定义哈？监督学习的P很明显是所谓的J(θ)，无监督学习的P或许更隐晦吧。。。
机器学习应用领域（一）数据库挖掘：
收集点击流数据，使用机器学习算法来分析；
利用电子医疗记录，更好的理解疾病；
计算生物学中，收集大量基因数据序列、DNA 序列分析
工程经验学习，机械中的无人操作等领域
（二）手写识别（图像识别）
识别信封从而自动选择路径
（三）更好的了解人脑，理解人类学习过程
机器学习的分类主要分为监督学习和无监督学习。
监督学习定义：给学习算法一个由“正确答案”组成的数据集，推知更多正确答案的过程。
※监督学习还可以分为回归问题和分类问题，划分标准是：“正确答案”是连续的还是离散的。
举例：通过近几年房价推测未来房价（连续值）为前者，通过肿瘤特征推测良性还是恶性为后者。
定义：仅给算法大量数据，让其从数据中找出某种结构。也就是说，这些数据没有任何标签或标签相同，让你标上标签（可能这样说片面了些，只针对类聚算法）。
举例：利用聚类算法，将个体聚类到不同类中。如，谷歌新闻分类，鸡尾酒宴中分离出不同人说话的声音。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/18480.html
摘要：多变量线性回归相比第二章，这一章无非就是数据集的特征数由一个变为多个，并引入了矩阵的概念。代价函数的表示没变梯度下降函数的表示也没变，但要提一提由于的改变，求导后梯度下降算法变为如此循环直至收敛。 Chapter 4 – 多变量线性回归(Linear Regression with Multiple Variables) 相比第二章，这一章无非就是数据集的特征数由一个变为多个，并引入了...
摘要：疑问为什么乘的是猜想可能是因为后面梯度下降算法计算时，会求偏导，从而消去分母中的。对于前者，一种收敛的判断依据是代价函数的变化低于某一阈值。回头整理梯度下降的算法，我的第一个机器学习算法就诞生啦名为批量梯度下降 Chapter 2 - 单变量线性回归(Linear Regression with One Variable) 定义 单变量 数据集或假设函数的特征值只有一个 线性...
摘要：在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。相关学习链接，，入门后的体验在入门了机器学习之后，在实际工作中，绝大多数的情况下你并不需要去创造一个新的算法。 机器学习在很多眼里就是香饽饽，因为机器学习相关的岗位在当前市场待遇不错，但同时机器学习在很多人面前又是一座大山，因为发现它太难学了。在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。 PS：这篇文章...
摘要：在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。相关学习链接，，入门后的体验在入门了机器学习之后，在实际工作中，绝大多数的情况下你并不需要去创造一个新的算法。 机器学习在很多眼里就是香饽饽，因为机器学习相关的岗位在当前市场待遇不错，但同时机器学习在很多人面前又是一座大山，因为发现它太难学了。在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。 PS：这篇文章...
摘要：在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。相关学习链接，，入门后的体验在入门了机器学习之后，在实际工作中，绝大多数的情况下你并不需要去创造一个新的算法。 机器学习在很多眼里就是香饽饽，因为机器学习相关的岗位在当前市场待遇不错，但同时机器学习在很多人面前又是一座大山，因为发现它太难学了。在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。 PS：这篇文章...
阅读 2657·2023-04-25 15:01
阅读 1933·2021-11-23 10:07
阅读 3154·2021-10-12 10:12
阅读 1183·2021-09-22 10:02
阅读 3247·2021-08-30 09:45
阅读 1979·2021-08-20 09:36
阅读 3431·2019-08-30 12:59
阅读 2234·2019-08-26 13:52
