吳恩達機器學習1.1-1.4筆記
機器學習主要算法
機器學習的定義有很多種，有一種形式化的定義是：針對所給的任務T，機器可以通過學習經驗E，提高在T上的P，P是用來衡量（measure在T的表現（performance）的。聽吳老師說，Octave是一款很好用的開源編程軟件。硅谷很多大神都是先用Octave設計算法原型，如果可以運行，再用C++或者JAVA實現。
監督學習（Supervised Learning）
對於一部分數據集，有正確的答案。根據答案來調整算法。通常在描述中會有label（標籤）字眼。
迴歸（Regression）
通常是需要預測連續的值，比如通過已知的（房子面積，房價）來通過房子面積來預測房價。在這裏，已經收集到一部分已知的數據，已知房子面積和房價。房價可以看成是連續的值，實數。
分類（Classfication）
通常是預測離散的值。通過一些已有的數據的1個或若干個特徵之間的相互關係來預測其中一個或若干個特徵。比如患癌症人的年齡，腫瘤良性或者陰性，腫瘤快的大小。可以通過已知的病人數據來進行預測新的腫瘤患者的腫瘤性質。
單特徵預測
無監督學習（UnSupervised Lesrning）
聚類（Cluster）
比如在二維平面上有許多點，需要把它們分成幾類。此時並沒有已知標籤讓人可以知道某一個點是什麼類別。
雞尾酒會算法（Cocktail Party Algorithm）
在一個party上，有兩個麥克風，兩個麥克風有人同時講話，那麼它們發出來的聲音就會有重疊的部分。把兩個麥克風的聲音都錄下來，如何將它們重疊的部分剔除，把麥克風的錄音只保留對着它講的人的聲音。