斯坦福大学吴恩达教授Machine Learning课程笔记 _恶性

【斯坦福大学吴恩达教授Machine Learning课程笔记】01什么是机器学习？
(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。
02.监督学习
假设你想通过查看病历来推测乳腺癌是良性还是恶性，下图中，横轴表示肿瘤的大小，纵轴上，记1和0表分别示是或者不是恶性肿瘤。之前见过的肿瘤，如果是恶性则记为1，不是恶性，或者说良性记为0 。

文章插图
根据机器学习估算出某个已知大小的肿瘤是恶性的或是良性的概率。这是一个分类问题。分类指的是：我们试着推测出离散的输出值，事实上在分类问题中输出可能不止两个值。如下图中列举了五个特征值。
你有一大批同样的货物，想象一下，你有上千件一模一样的货物等待出售，这时你想预测接下来的三个月能卖多少件？你有许多客户，这时你想写一个软件来检验每一个用户的账户。对于每一个账户，你要判断它们是否曾经被盗过？
第一个问题是回归问题
第二个问题是分类问题 03 无监督学习
对于监督学习的每条数据，我们是知道训练集对应的正确答案，是良性或恶性了。不同于监督学习的数据的是，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。
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。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。