关键词：
吴恩达的课程会很偏于用实例来掌握理论知识，不过看着还是有些云里雾里，倒是杉山将的《图解机器学习》介绍得更易懂些。
在此进行结合学习。
杉山将是这么通俗地定义监督学习、无监督学习和强化学习，它们是机器学习的主要种类：
- 监督学习：
有求知欲的学生从老师那里获取知识、信息，老师提供对错指示、告知最终答案的学习过程。在机器学习里，学生对应于计算机，老师则对应于周围的环境。 根据在学习过程中所获得的经验、技能，对没有学习过的问题也可以做出正确解答，使计算机获得这种泛化能力，是监督学习的最终目标。
监督学习，在手写文字识别、声音处理、图像处理、垃圾邮件分类与拦截、网页检索、基因诊断以及股票预测等各个方面，都有着广泛的引用。
这类机器学习的典型任务包括：预测数值型数据的回归、预测分类标签的分类、预测顺序的排序等。
简单而言，就是初高中时上课，老师上课教知识点讲过程，学生不仅学会了，还能够举一反三。
- 无监督学习：
在没有老师的情况下，学生自学的过程。
在机器学习里，基本都是计算机在互联网中自动收集信息，并从中获取有用信息。无监督学习不仅仅局限于解决像监督学习那样的有明确答案的问题，因此，它的学习目标可以不必十分明确。
无监督学习在人造卫星故障诊断、视频分析、社交网站解析和声音信号解析等方面大显身手的同时，在数据可视化以及作为监督学习方法的前处理工具方面，也有广泛的应用。
这类机器学习的典型任务有聚类、异常检测等。
- 强化学习
是指在没有老师提示的情况下，自己对预测的结果进行评估的方法。通过这样的自我评估，学生为了获得老师的最高嘉奖而不断地进行学习。
强化学习被认为是人类主要的学习模式之一。
强化学习，在机器人的自动控制、计算机游戏中的人工智能、市场战略的最优化等方面均有着广泛应用。
在强化学习中经常会用到回归、分类、聚类和降维等各种各样的机器学习算法。
监督学习和无监督学习中的典型任务
- 回归：把实函数在样本点附近加以近似的有监督的函数近似问题；
- 分类：对于指定的模式进行识别的有监督的模式识别问题；
- 异常检测：寻找输入样本中所包含的异常数据的问题；
- 聚类：与分类问题相同，也是模式识别问题，但是属于无监督学习的一种；
- 降维：从高维度数据中提取关键信息，将其转换为易于计算的低维度问题进而求解的方法。
第三节：听吴恩达讲监督学习
假设想要预测房价
前不久，一个学生从俄勒冈的波特兰市收集数据，假设绘制了一个数据集，如下所示：
- 横轴：不同房子的平方英尺
- 纵轴：代表房子价格，单位是千美元
那么，假设你的朋友有一栋 750 平方英尺的房子，他想要卖掉这个房子，想知道能卖多少钱，学习算法能如何帮助我们？
吴恩达表示，学习算法能做到的一件事就是，根据数据画一条直线，或者说就是用一条直线拟合数据，基于此可以推测房子大概能卖 15 万美元：
不过，这并不是能使用的唯一的学习算法，还有一个更好的：例如除了用一条直线拟合数据，还可以用二次函数或二阶多项式（即二次方程）来拟合数据会更好。
根据二次方程的曲线，如下所示，我们可以在这个点推测出，能卖接近 20 万美元。
那么，摆在面前的有两种方案，如何选择，如何决定？是用直线还是用二次函数来拟合数据？后面会具体讨论。
监督学习是指我们给算法一个数据集，其中包含了正确答案。
在这个例子中，我们给出了一个房价数据集，在这个数据集中每个样本，我们都给出正确的价格，即这个房子的实际卖价。算法的目的就是给出更多的正确答案，例如为朋友想要卖掉的这所房子给出估价。
用更专业的术语定义，这就是「回归问题」。
这里的回归问题指的是：我们想要预测连续的数值输出（即价格），一般房子的价格会记到美分，因此价格实际上是一个离散值，但通常我们认为房价是一个实数、标量或连续值。「回归」这个术语是指我们设法预测连续值的属性。
第二个例子：推测肿瘤良性与否
假设你想看医疗记录，并且设法预测乳腺癌是恶性的还是良性的。假设有人发现了一个乳腺肿瘤，恶性的就是有害并十分危险，良性的就是无害的。我们来看收集到的数据集，假设在数据集中，横轴是肿瘤的尺寸，纵轴 0 和 1 分别代表 No 和 Yes，即不是或是恶性肿瘤，恶性（1），良性（0）。
假设我们的数据集就像这样 —— 在 0 的位置有 5 个样本，在 1 的位置也有 5 个样本。
这时，有个朋友很不幸地患了乳腺肿瘤，假设她的乳腺肿瘤的大小可能在下图这个值的附近，机器学习的问题就是，你能否估计出肿瘤是良性还是恶性的概率？用更专业的术语来讲，这就是一个分类问题。
吴恩达机器学习学习笔记——1.5无监督学习
1无监督学习：在不知道数据点的含义的情况下，从一个数据集中找出数据点的结构关系。2聚类算法：相同属性的数据点会集中分布，聚集在一起，聚类算法将数据集分成不同的聚类。也就是说，机器不知道这些数据点具体是什... 查看详情
斯坦福吴恩达教授机器学习公开课第二讲笔记——有/无监督学习+线性回归
吴恩达2014机器学习教程笔记目录
...重实践，结合起来学习事半功倍。但是论经典，还是首推吴恩达的机器学习课程。吴大大14年在coursera的课程通俗易懂、短小精悍，在讲解知识点的同时，还会穿插相关领域的最新动态，并向你推荐相关论文。课程10周共18节课，... 查看详情
机器学习-吴恩达andrewngcoursera学习总结合集，编程作业技巧合集
...learn/machine-learning/home/welcome课程总结机器学习MachineLearning-吴恩达AndrewNg第1~5课总结机器学习MachineLearning-吴恩达AndrewNg第6~10课总结机器学 查看详情
吴恩达机器学习学习笔记——2.1单变量线性回归算法
1回顾1.1监督学习定义：给定正确答案的机器学习算法分类：（1）回归算法：预测连续值的输出，如房价的预测（2）分类算法：离散值的输出，如判断患病是否为某种癌症1.2非监督学习定义：不给定数据的信息的情况下，分析数... 查看详情
斯坦福公开课-机器学习1.机器学习的动机和应用（吴恩达andrewng）
文章目录0三个目标0先修课程要求基本工具1-网址2-邮箱3-本系列课程链接1机器学习的定义1-1非正式定义1-2正式的定义2监督学习（SupervisedLearning）2-1回归问题——连续拟合线（预测房子价格）2-2分类问题——离散数... 查看详情
吴恩达深度学习笔记(代码片段)
监督学习简介文章目录监督学习简介前言一、监督学习常见应用二、基础知识1.数据类型2.学习次序3.常用符号4.二分分类（logistics）5.梯度下降法6.导数和流程图（略）7.logistics中的梯度下降7.向量化的必要性8.向量... 查看详情
吴恩达2022机器学习课程评测来了！
大家好！我是louwill。吴恩达老师2022年机器学习专项课（MachineLearningSpecialization）上周全新来袭，课程本身并不是新课，与10年前的机器学习专项课相比，编程语言用Python代替了此前的Octave，主要定位于... 查看详情
花了2晚，拿到了吴恩达@斯坦福大学的机器学习课程证书
花了2个晚上，拿到了吴恩达@斯坦福大学的机器学习课程证书警告⚠️⚠️⚠️请认真阅读此文，操作不慎可能血亏真金白银吴恩达算是我的精神导师了，很早之前就是看他的视频入门机器学习。他的经典课程《机器学习》2012年... 查看详情
吴恩达机器学习学习笔记——代价函数
单变量线性回归函数 hθ(x)=θ0+θ1x为了使线性回归函数对数据有较好的预测性，即y到h(x)的距离都很小。 查看详情
吴恩达“机器学习”——学习笔记二
定义一些名词欠拟合（underfitting）：数据中的某些成分未被捕获到，比如拟合结果是二次函数，结果才只拟合出了一次函数。过拟合（overfitting）：使用过量的特征集合，使模型过于复杂。参数学习算法（parametriclearningalgorithms）... 查看详情
吴恩达机器学习笔记(代码片段)
文章目录ErroranalysisMethodstosolveoverfittingMethodstosolveunderfittingRecommendapproachErrormetricsforskewedclassesDataformachinelearningSupportVectorMachineK-meansPrincipleComponentAnalysisDatapreproce 查看详情
吴恩达《机器学习》章节1绪论：初识机器学习
1、欢迎参加《机器学习》 2、什么是机器学习？机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获... 查看详情
吴恩达-深度学习-课程笔记-6:深度学习的实用层面(week1)
1训练/验证/测试集(Train/Dev/testsets)构建神经网络的时候有些参数需要选择，比如层数，单元数，学习率，激活函数。这些参数可以通过在验证集上的表现好坏来进行选择。前几年机器学习普遍的做法：把数据分成60%训练集，20%验... 查看详情
斯坦福机器学习课程汇总
斯坦福机器学习课程汇总前言首先感谢吴恩达建立Coursera这样一个优秀的在线学习平台，以及他发布在这个平台上的机器学习课程。这门课程将整个机器学习领域的基础知识，用浅显易懂的方式，深入浅出的进行了介绍。使得一... 查看详情
斯坦福公开课-机器学习1.机器学习的动机和应用（吴恩达andrewng）
文章目录0三个目标0先修课程要求基本工具1-网址2-邮箱3-本系列课程链接1机器学习的定义1-1非正式定义1-2正式的定义2监督学习（SupervisedLearning）2-1回归问题——连续拟合线（预测房子价格）2-2分类问题——离散数... 查看详情
斯坦福公开课-机器学习2.监督学习应用-梯度下降（吴恩达andrewng）(代码片段)
文章目录1线性代数（linearalgebra）1-1符号（Notation）1-2例子——房价预测1-3假设函数（hypothesis）1-3-3用`线性代数-非齐次方程`解释参数**1-普通梯度下降算法****2-批梯度下降算法（batchgradientdescentalgo... 查看详情
吴恩达深度学习课程第三课—结构化机器学习项目
第一周机器学习策略1.1什么是机器学习策略1.2正交化功能点之间相互独立1.3单一数字评估指标调和平均数1.4满足和优化指标N个指标，满足N-1个指标的前提下优化那一个指标1.5训练，开发，测试数据集划分训练集，开发集，测试... 查看详情