? ? ? ? ? ? ? ? ? ? ? ? ? 斯坦福大學機器學習第一課“引言(Introduction)”

一、機器學習概覽
1）機器學習定義:機器學習是人工智能的一個分支，目標是賦予機器一種新的能力。機器學習的應用很廣泛，例如大規模的數據挖掘（網頁點擊數據，醫療記錄等），無人駕駛飛機、汽車，手寫手別，大多數的自然語言處理任務，計算機視覺，推薦系統等。 機器學習有很多定義，廣為人知的有如下兩條：

Arthur Samuel (1959): Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.

注：Arthur Lee Samuel (1901–1990) 教授是美國人工智能領域的先驅，他設計了一些下棋程序，可以通過不斷的下棋來學習，從而達到很高的下棋水平。

Tom Mitchell (1998) : Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

例子：對于一個垃圾郵件識別的問題，將郵件分類為垃圾郵件或非垃圾郵件是任務T，查看哪些郵件被標記為垃圾郵件哪些被標記為非垃圾郵件是經驗E，正確識別的垃圾郵件或非垃圾郵件的數量或比率是評測指標P。

2）機器學習算法的類型

1、有監督學習(Supervised learning):通過生成一個函數將輸入映射為一個合適的輸出（通常也稱為標記，多數情況下訓練集都是有人工專家標注生成的）。例如分類問題，分類器 根據輸入向量和輸出的分類標記模擬了一個函數，對于新的輸入向量，得到它的分類結果。

2、無監督學習(Unsupervised learning):與有監督學習相比，訓練集沒有人為標注的結果。常見的無監督學習算法有聚類。

3、半監督學習: 介于監督學習與無監督學習之間。

4、強化學習(Reinforcement learning): 通過觀察來學習如何做出動作，每個動作都會對環境有所影響，而環境的反饋又可以引導該學習算法。

其他的類型包括推薦系統，Transduction，Learning to learn等。

3）有監督學習詳解

有監督學習主要會提供一些標注樣本，分為兩大問題：回歸和分類

房屋價格預測-回歸(Regression):?預測連續的輸出值（價格)

?

?

乳腺癌（良性，惡性）預測問題-分類(Classification):?預測離散的輸出值(0,?1)

?

4)?無監督學習詳解:有監督學習和無監督學習的對比，看圖更形象（一個知道標簽信息（叉和圓），一個不知道（全認為是圓））：? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

例子:?Google?News，?基因序列分析，社會網絡分析，市場切分等…

?

特別的例子：雞尾酒會問題（Cocktail?party?problem）

“?雞尾酒會問題”（cocktail?party?problem）是在計算機語音識別領域的一個問題，當前語音識別技術已經可以以較高精度識別一個人所講的話，但是當說話的人數為兩人或者多人時，語音識別率就會極大的降低，這一難題被稱為雞尾酒會問題。

雞尾酒會問題算法（一行代碼）：

[W,s,v]?=?svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x’);

?

一些參考資料：

解決方法ICA?demo:?http://research.ics.tkk.fi/ica/cocktail/cocktail_en.cgi

http://www.vislab.uq.edu.au/education/sc3/2001/johan/johan.pdf

http://www.physorg.com/news75477497.html

http://en.wikipedia.org/wiki/Cocktail_party_effect

http://www.scientificamerican.com/article.cfm?id=solving-the-cocktail-party-problem

總結

以上是生活随笔為你收集整理的斯坦福大学机器学习第一课“引言(Introduction)”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。