机器学习入门

以下内容无特殊说明，均来自于斯坦福大学2014（吴恩达）机器学习教程

参考笔记：fengdu78, Data-Science-Notes, (2019), GitHub repository, https://github.com/fengdu78/Data-Science-Notes

什么是机器学习

Machine Learning（机器学习）是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构使之不断改善自身的性能。

机器学习的定义

• Arthur Samuel（1959）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。
• Tom Mitchel（1998）计算机程序从经验E中学习，解决某一任务T，达到性能度量值P，在经验E后，经过P评判，程序在处理T时的性能有所提升。

机器学习的分类

按照数据的label形式进行分类：

• 监督学习

  监督学习使用已知正确答案的数据来训练模型，从而使得输入数据以求预测出正确的结果。这里输入的数据有标签。

• 半监督学习

  一半数据有标签，一半数据无标签。

• 无监督学习

  无监督学习常常被用于数据挖掘，用于在大量无标签数据中发现些什么。它的训练数据是无标签的，训练目标是能对观察值进行分类或者区分等。

• 强化学习

  一个智能体（Agent）采取行动（Action）从而改变自己的状态（State）获得奖励（Reward）与环境（Environment）发生交互的循环过程。

  以上来自：基础篇--机器学习类型分类 - 知乎 (zhihu.com)

名词解释：

回归问题：找出自变量与应变量之间的关系，主要用来预测数据。回归的意思就是推测出一系列连续值的属性。

分类问题：分类指的是，推测出离散的输出值。