Machine Learning¶

1、吴恩达（Coursera）¶

Machine Learning is a subset of AI. It is the study of algorithms and statistical models that computer systems use to perform a specific task without using explicit instructions, relying on patterns and inference instead. It is a field of computer science that gicode-translate

1、机器学习概论¶

AI机器学习涉及到：语言识别NLP，邮件智能分类、优化风力发电、CV进入工厂流水线等方法。机器学习算法、实用技巧、制作技巧 intake survey

2、什么是机器学习¶

Definition about Machine Learning the definition is attributed to Arthur Samuel Machine Learning is "Field of study that gives computers the ability to learn without being explicitly programmed."

机器学习当中并没有存在有明确的编程。 Arthur Samuel的跳棋程序（通过不断的学习从而可以得知，下一步进行的好坏）机器可以不断的自行模拟从而获得更好的程序过程。

机器学习算法的分类：¶

Supervised learning 监督学习（最常用的机器学习算法类）前两部分的课程(course 1,2)将讲述监督学习这部分
Unsupervised learning 无监督学习后两部分的课程(course 3)将讲述无监督学习、推荐系统以及强化学习(Unsupervised learning、Recommender systems、Reinforcement learning) 目前最常见的机器学习种类是：监督学习、无监督学习、推荐系统建议花费大量时间的地方：应用机器学习算法同样，机器学习的工具也是很重要的（比较重要的就是应用工具、应用技能可以有效地结合起来）最重要的目标：学会实际上如何开发实用的、有价值的机器学习系统。(学会构建工程系统)

监督学习第一部分¶

监督学习的本质是：

\[ x \rightarrow y \\ \]

x->y的映射, x:input，y:out label，会给出相当准确的预测或者猜测输出。
例如：Input(x)->Output(y)
email -> spam?(0/1) (提供基于邮件的垃圾邮件过滤器spam filtering)
audio -> text transcripts（语音识别speech recognition）
English -> Spanish （机器翻译machine translation）
ad,user info -> click? (0/1) （智能推荐 online advertising）
image,radar info(雷达) -> position other cars (sef-driving car)（自动驾驶汽车）
image of phone -> defect? (0/1) (视觉检查visual inspection)
-> ：指通过有学习的算法
首先应训练自己的模型和示例：输入x与正确的答案（label y）模型在了解到足够多的示例后，就可以预测新的输入x的输出y了。
For example:
房价预测(Housing price prediction)
假设房屋价格和房屋面积成正比，那么可以通过给出的房屋面积来预测房屋价格。所有的点都会回归于一条线性拟合曲线上。
监督学习问题：->分类（这部分可以参考🍉书第一章节所讲的）

监督学习第二部分¶

大题分为两种部分：
1. 预测x,y的关系，从而可以获得更准确的预测值。（通过学习使得，x可以获得对应相关准确的y）。（这种叫做预测）
2. 分类：For example : 乳腺癌检测
对于肿瘤的类别进行分类： Malignant(恶性)：0 Benign(良性)：1 根据肿瘤的大小对于肿瘤的良性、恶性进行分类。具体的例子：猫和狗的分类问题。
也可以是对于数字的分类问题：
分类与回归不同：分类问题是离散的，回归问题是连续的。
分类通过不同的区间进行区域划分，在不同条件下组成的多维线性空间（根据输入的变量决定）当中通过判断具体例子的位置，从而进行分类。
算法必须具备可以拟合边界线的问题（通过数据）
'Summary:' 监督学习的两种主要类型：回归、分类

非监督学习第一部分¶

并未给出标签（非人为的主动进行分类）->只是为了找到其中的一些有趣的结构。聚类算法：For example: Google News