Coursera公开课机器学习：Introduction

标签：class   blog   http   com   数据   2014   

机器学习的定义

• Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.

• 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.

如果一个计算机程序针对某类任务T的用P衡量的性能根据经验E来自我完善，那么我们称这个计算机程序在从经验E中学习，针对某类任务T，它的性能用P来衡量。

西洋跳棋学习问题：

• 任务T：下西洋跳棋
• 性能标准P：比赛中击败对手的百分比
• 训练经验E：和自己进行对弈

手写识别学习问题：

• 任务T：识别和分类图像中的手写文字
• 性能标准P：分类的正确率
• 训练经验E：已知分类的手写文字数据库

机器人驾驶学习问题：

• 任务T：通过视觉传感器在四车道高速公路上驾驶
• 性能标准P：平均无差错行驶里程（差错有人监督裁定）
• 训练经验E：注视人类驾驶时录制的一系列图像和驾驶指令

识别垃圾邮件

• 任务T：识别垃圾邮件
• 性能标准P：垃圾邮件识别率
• 训练经验E：已分类的邮件库

机器学习算法分类

主要是两大类：

• 有监督的：学习样本都分类好了
• 无监督的：学习样本不带类别信息

其它还有：强化学习，推荐系统等等。

有监督的机器学习算法

两大类：

• 回归：定量输出，或者说连续变量预测

• 分类：定性输出，或者说离散变量预测

举例来说：

根据面积预测房价就是回归：

根据肿瘤大小预测乳腺癌是良性的还是恶性的就是分类（毕竟只有两种可能，良性或者恶性）：

无监督的机器学习算法

无监督，简单而言就是不告诉计算机如何分类，直接输入数据，计算机自己进行分类。

所谓“一图抵千言”，直接看图可能效果更好些：

参考信息

本篇主要参考了以下资料：

• Andrew Ng，Machine Learning
• Coursera公开课笔记: 斯坦福大学机器学习第一课“引言(Introduction)”
• Tom M.Mitchell著，曾华军、张银奎等译，《机器学习》，机械工业出版社，2003年1月
• 分类与回归区别是什么？

Coursera公开课机器学习：Introduction,布布扣,bubuko.com

Coursera公开课机器学习：Introduction

标签：class   blog   http   com   数据   2014   

原文地址：http://www.cnblogs.com/newc/p/3805445.html