【吴恩达机器学习笔记】003 无监督学习（Unsupervised Learning）

一、无监督学习引入

          

        观察上面左边的图，该图是监督学习的分类问题，在监督学习中，数据集中的每个样本有相应的“正确答案”，即被标为良性或者恶性肿瘤。根据这些样本做出预测。

        再看右侧，和左侧的区别在于，不管是哪一类，都用相同的符号“圆圈”表示。也就是在右侧的图中，没有了分类。所有的数据是一样的，没有对错之分。我们只有一个数据集，没有人告诉我们什么是正确的，我们也不知道每个数据点是什么含义。这就是我们今天要说的“无监督学习（Unsupervised learning）”。

二、无监督学习概念

    根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。无监督学习的数据集跟监督学习不同，没有任何标签，即没有相应的“正确答案”。

三、聚类算法简介

        在最开始的问题中，我们提到，数据点是没有区别的，但是我们能发现，这些数据分为两部分，我们称之为“聚类”。实现这种无监督的算法，就称之为“聚类算法”。

四、应用举例

1.谷歌新闻

谷歌新闻每天会报道成大量的新闻，并通过聚类算法，将新闻归类，组成一个个新闻专题。谷歌新闻要做的就是搜集成千上万的新闻，通过聚类的方式，将新闻分类。

2.基因芯片

基因芯片的基本思想是：给定一组不同的个体，对于每个个体，检测他们是否拥有某个特定的基因。

如图是DNA数据，该图中不同颜色展示了不同的个体，通过聚类算法，把不同的个体归到不同的类或者不同类型的人。我们没有提前告知，哪些是第一类人，哪些是第二类人，哪些是第三类人。甚至没有告诉他这些数据是什么东西，只是给算法一些数据。算法需要通过这些数据自动分析，自动把这些个体分类。我们没有给算法一个正确的答案，这就是无监督学习。

3.其他例子

下面包括组织计算机集群，社交网络分析，市场划分，天文数据分析等，这些都是应用无监督学习的例子。

4.鸡尾酒宴问题（Cocktail party problem）

        “鸡尾酒会问题”（cocktailparty problem）是在计算机语音识别领域的一个问题，当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。

        该问题描述的是给定混合信号，如何分离出鸡尾酒会中同时说话的每个人的独立信号。当有N个信号源时，通常假设观察信号也有N个（例如N个麦克风或者录音机）。该假设意味着混合矩阵是个方阵，即J = D，其中D是输入数据的维数，J是系统模型的维数。

        无监督学习是解决这个问题的一种很好的方法。算法不会提前知道声音是谁的，只是接收到了几段声音，通过聚类的方式，把声音分离出来。下面这幅图是该算法的公式：

        当然，现在暂时不需要懂这个公式的原理和来源（当然，如果你明白，那就更棒啦。）以后会详细介绍。

五、吴大师建议

        （从我准备走上机器学习之路，了解到吴恩达先生时，吴恩达先生就是我最敬佩的人之一了。所以，称之为大师，我认为是对他最真实、也是最发自内心的评价。）

        在视频最后，吴大师建议编程用Octave，Octave，Octave。原因：代码简单，运行速度快。