吴恩达机器学习1.1-1.4笔记 _机器学习

吴恩达机器学习1.1-1.4笔记无监督学习（）其他算法
机器学习主要算法
机器学习的定义有很多种，有一种形式化的定义是：针对所给的任务T，机器可以通过学习经验E，提高在T上的P，P是用来衡量（在T的表现（）的。听吴老师说，是一款很好用的开源编程软件。硅谷很多大神都是先用设计算法原型，如果可以运行，再用C++或者JAVA实现。
监督学习（）
对于一部分数据集，有正确的答案。根据答案来调整算法。通常在描述中会有label（标签）字眼。
回归（）

文章插图
通常是需要预测连续的值，比如通过已知的（房子面积，房价）来通过房子面积来预测房价。在这里，已经收集到一部分已知的数据，已知房子面积和房价。房价可以看成是连续的值，实数。
分类（）
通常是预测离散的值。通过一些已有的数据的1个或若干个特征之间的相互关系来预测其中一个或若干个特征。比如患癌症人的年龄，肿瘤良性或者阴性，肿瘤快的大小。可以通过已知的病人数据来进行预测新的肿瘤患者的肿瘤性质。
单特征预测
无监督学习（）聚类（）
比如在二维平面上有许多点，需要把它们分成几类。此时并没有已知标签让人可以知道某一个点是什么类别。
鸡尾酒会算法（ Party ）
【吴恩达机器学习1.1-1.4笔记】在一个party上，有两个麦克风，两个麦克风有人同时讲话，那么它们发出来的声音就会有重叠的部分。把两个麦克风的声音都录下来，如何将它们重叠的部分剔除，把麦克风的录音只保留对着它讲的人的声音。
其他算法强化学习（）推荐系统（）