Coursera—Andrew Ng机器学习—课程笔记 Lecture 1_Introduction and Basic Concepts 介绍和基本概念_anderw ng presentation

机器学习是什么？
Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed. 机器学习：在进行特定编程的情况下，给予计算机学习能力的领域。
机器学习算法
常用:　
　- Supervised learning 监督学习：学习数据带有标签
　
- Unsupervised learning 无监督学习：没有任何的标签，或者有相同的标签。已知数据集，不知如何处理，也未告知每个数据点是什么。
　　
其他：
- Reinforcement learning 强化学习
- Recommender systems 推荐系统
1.3 监督学习
　 1.3.1 Regression 回归问题:： 预测结果是连续的输出值
　
　 监督学习：基于已有的正确结果。           回归问题：预测连续的输出值
　 1.3.2 Classification 分类问题：预测结果是离散的多个值
　
　 1.3.3 回归和分类
1.4 无监督学习
1.4.1 聚类算法 Clustering algorithm

例子：
1、Google News 每天将爬来的网址分为一个个的新闻专题。
　　2、基因信息分组。

3、组织大型计算机集群。 社交网络的分析。市场分割。天文数据分析

4、鸡尾酒party问题，将混在一起的多个音频源拆开。

通过这个例子，特别强调了Octave和MATLAB这些软件的简洁之处，这个算法的实现在Octave里只需要一行代码