1 前言
前幾日回學校與實驗室老師進行了短暫交流，研究生備考這兩年實驗室發生了好多變化，據老師說目前實驗室差不多已經全部轉型爲人工智能實驗室了，還起了個洋氣的名字“π實驗室”。
備考這兩年，很多東西差不多都快斷層了。想必研究生階段應該也是要學習機器學習相關的理論知識了，想來先下手爲強。據老師推薦，決定從斯坦福大學吳恩達老師的機器學習視頻課入門。（老師對吳老師的這套課評價很高）
2 機器學習入門
2.1 吳恩達機器學習系列課程目錄
根據視頻，我對整套視頻課的理論體系進行了簡單的整理，以求一個清晰的理論目錄。
2.2 機器學習分類
1 分類圖示
2 幾個概念理解
- 機器學習
將很多數據丟給計算機分析，以此來訓練該計算機，培養計算機給數據分類的能力。換句話說，學習指的就是找到特徵（數據的特徵，例如一本書的內容）與標籤（數據的標籤，例如書所屬的類別）的映射（mapping）關係。這樣當有特徵而無標籤的未知數據輸入時，我們就可以通過已有的關係得到未知數據標籤。 - 監督學習
監督學習是指：利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，也稱爲監督訓練或有教師學習。換句話說，監督學習不僅把訓練數據丟給計算機，而且還把分類的結果（數據具有的標籤）也一併丟給計算機分析。
計算機進行學習之後，再丟給它新的未知的數據，它也能計算出該數據導致各種結果的概率，給你一個最接近正確的結果。 - 無監督學習
現實生活中常常會有這樣的問題：缺乏足夠的先驗知識，因此難以人工標註類別或進行人工類別標註的成本太高。很自然地，我們希望計算機能代我們完成這些工作，或至少提供一些幫助。根據類別未知(沒有被標記)的訓練樣本解決模式識別中的各種問題，稱之爲無監督學習。換句話說，無監督學習只給計算機訓練數據，不給結果（標籤），因此計算機無法準確地知道哪些數據具有哪些標籤，只能憑藉強大的計算能力分析數據的特徵，從而得到一定的成果，通常是得到一些集合，集合內的數據在某些特徵上相同或相似。 - 監督迴歸問題
定量輸出稱爲迴歸，或者說是連續變量預測。即根據給出的數據預測出一個準確的輸出值。例如：房價預測問題 - 監督分類問題
定性輸出稱爲分類，或者說是離散變量預測。即根據給出的數據預測該數據所屬類別。例如：腫瘤預測問題
3 參考材料
1 https://www.jianshu.com/p/33f3dda41554
2 https://baike.baidu.com/item/%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0
3 https://baike.baidu.com/item/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/810193