大学生自学笔记，相当于自己的一个学习记录。使用教材为吴恩达教授的机器学习，里面含有网友总结的内容。希望能在学习的过程中不断提高自己，学习计算机相关的内容，第一周由于时间仓促，总结较少，在后续的学习过程中将不断完善。
一、什么是机器学习
1.1
? ? ? ?Tom定义的机器学习是，一个程序能被认为从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P审判，程序在处理T时的性能有所提升。
1.2监督学习
? ? ? 监督学习最好的例子时房价问题，如下面一个例子，横轴表示面积，纵轴表示房价，有一个朋友有一套750平方英尺的房子，希望把房子卖掉，他想指导房子能卖多少钱。
? ? ? ?应用合适的学习算法，可以在数据中画出一道直线，这个直线是拟合出来的，如果用一次方程，推断出仿真价值150，000美金，如果采用二次函数进行拟合，售价接近200，000美元，。两种方案中有一个方案会让你的朋友认为合理，这就是监督学习的例子。
? ? ? ?在一些机器学习的问题中，可能不止会遇到一种特征值，我们通常会有更多的特征，有一些算法不仅能处理2种3种或者5种特征，还可以处理无限多种特征。在以后的学习种，会学习一个算法，叫支持向量积，里面有一个巧妙的数学技巧，能让计算机处理无限多个特征。
? ? ? 监督学习的基本思想是，我们数据集中的每个样本都有对应的“正确答案”，我们根据这些样本做出预测，就像预测房价，预测肿瘤等一系列的回归问题。或是个人鸟类问题
1.3无监督学习
? ? ? ?相较于监督学习，无监督学习中没有任何的标签或者有相同的标签或者说是没有标签，所以我们已知数据集，但是不知道如何处理，也不知道每个数据点是什么。仅仅知道此为一个数据集。针对数据集，无监督学习可有两个不同的聚集簇，这种处理方式被称为聚类算法，此类算法被应用在很多地方，例如每日的新闻推送，或者是下图DNA微观数据的例子。基本思想是输入一组不同个体，分析是否有一个特定基因，颜色表示特定基因已经表达的相对于强度。聚类算法能做的就是把不同的类或不同的组（人）进行聚类。
? ? ??
? ? ? ? 这个就是无监督学习，因为我们没有提前告知算法一些信息，比如，这是第一类的 人，那些是第二类的人，还有第三类，等等。我们只是说，是的，这是有一堆数据。我不知 道数据里面有什么。我不知道谁是什么类型。我甚至不知道人们有哪些不同的类型，这些类 型又是什么。但你能自动地找到数据中的结构吗？就是说你要自动地聚类那些个体到各个 类，我没法提前知道哪些是哪些。因为我们没有给算法正确答案来回应数据集中的数据，所 以这就是无监督学习。
? ??无监督学习或聚集有着大量的应用。下面介绍鸡尾酒问题。有个宴会房间里满是人，全部坐着，都在聊天，这么多人同时在聊天，声音彼此重 叠，因为每个人都在说话，同一时间都在说话，你几乎听不到你面前那人的声音。所以，可 能在一个这样的鸡尾酒宴中的两个人，他俩同时都在说话，假设现在是在个有些小的鸡尾酒 宴中。我们放两个麦克风在房间中，因为这些麦克风在两个地方，离说话人的距离不同每个 麦克风记录下不同的声音，虽然是同样的两个说话人。听起来像是两份录音被叠加到一起， 或是被归结到一起，产生了我们现在的这些录音。另外，这个算法还会区分出两个音频资源， 这两个可以合成或合并成之前的录音，实际上，鸡尾酒算法的第一个输出结果是： 1，2，3，4，5，6，7，8，9，10, 所以，已经把英语的声音从录音中分离出来了。 第二个输出是这样： 1，2，3，4，5，6，7，8，9，10。
?
机器学习一般使用Octave编程环境，一行代码可以解决问题。
[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');
新闻事件分类的例子， 可以用一个聚类算法来聚类这些文章到一起，所以是无监督学习。
?细分市场的例子，可以当作无监督学习问题，因为我只是 拿到算法数据，再让算法去自动地发现细分市场。
糖尿病，这个其实就像是我们的乳腺癌，上个视频里的。只是替换了好、 坏肿瘤，良性、恶性肿瘤，我们改用糖尿病或没病。所以我们把这个当作监督学习，我们能 够解决它，作为一个监督学习问题，就像我们在乳腺癌数据中做的一样。
总结：第一周学习了一些机器学习的基础概念，对于如何实现这周由于时间有限还没有进行学习，下周预计学习这些算法如何工作的，例如单变量线性回归等知识。加油。