斯坦福公開課-機器學習筆記 1

時隔三年，複習吳恩達老師的機器學習公開課。

相比於coursera的機器學習公開課，這版在我的心目中是經典的，深刻的，鮮活的。充滿著老師的思想和人格。

搭配Christopher M.Bishop的 Pattern Recognition and Machine Learning效果更好。

Lecture 1

機器學習的分類

1. Supervised learning 監督學習
   監督學習也叫教師學習，指訓練數據是有答案或標籤的
1. Regression 回歸

   已知連續數據，求映射函數。例：輸入房屋面積，預測房價

2. Classification 分類
   已知有標籤的離散數據，求分類邊界。例：輸入腫瘤大小，預測腫瘤是惡性或良性
   拓展：輸入特徵可能是多維，比如腫瘤的大小之外，還有患者年齡，細胞的分離度，等等。隨著輸入特徵的增加，問題的複雜度也隨之改變。

2. Unsupervised Learning 無監督學習
   相對於監督學習，無監督學習只有數據，沒有答案或標籤。常用於聚類和分離數據

   例：

1. 雞尾酒會上，嘈雜的背景音，從中提取出人聲
2. 圖片，相似的像素點聚類，提取出邊界
3. Reinforcement learning 強化學習
   通過給定回報函數，訓練決策方法。需要決策或連續決策時使用。比如機器人控制

   例：

• 直升機的倒立飛行控制
• 四足機器人不平整地面行走控制
• 小車避障移動控制
• 蛇形機器人攀爬控制

推薦閱讀：