一、机器学习
1. 定义
计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高。
2. 例子
跳棋程序
E：程序自身下的上万盘棋局
T：下跳棋
P：与新对手下跳棋时赢的概率
二、监督学习Supervised Learning
1. 定义
给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案。
2. 例子
（1）预测房价（回归问题）Regression problem
回归：Predict continuous valued output
目的：预测连续的数值输出
· 用直线拟合
· 用二次函数或二阶多项式拟合（效果更佳）
（2）预测肿瘤是良性或恶性（分类问题）
分类：Discrete valued output ( 0 or 1 )
目的： 预测离散值输出。就本问题而言，结果只有0和1的输出。
· 有两个特征影响的时候：
· 算法最终的目的是解决无穷多个特征的数据集
三、无监督学习Unsupervised Learning
1. 定义
只给算法一个数据集，但是不给数据集的正确答案，由算法自行分类。文章来源：https://www.toymoban.com/news/detail-599502.html
2. 聚类算法
（1）谷歌新闻每天收集几十万条新闻，并按主题分好类
（2）市场通过对用户进行分类，确定目标用户
（3）鸡尾酒算法：两个麦克风分别离两个人不同距离，录制两段录音，将两个人的声音分离开来（只需一行代码就可实现，但实现的过程要花大量的时间）文章来源地址https://www.toymoban.com/news/detail-599502.html
到了这里，关于【机器学习】吴恩达课程1-Introduction的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
