从今天开始学习吴恩达大神的机器学习深度学习的视频，希望有所提高，并决定在简书记录，有什么不好的尽管提出来相互学习！在吴恩达教授视频学习专题中，都是我跟着吴恩达教授视频学习的心得和笔记。我个人认为，要进入机器学习，吴恩达老师的课程是最基础的，要踏入门槛的同学还是要好好地学习这类视频，打好基础啦！！！！

话不多说，直入主题。

监督学习（Supervised Learning）

先从一些例子开始讲述。

例子一：

假设你要预测房价，现已经有一些数据。

房价预测数据图

其中，横轴是不同房屋的平方英尺数，纵轴是不同房子的价格。现假如你有移动750平方英尺的房子，你想要知道你的房子可以卖多少钱。

就此已有数据的趋势，可以初步简单地拟合，分别用一条直线和二次函数取拟合数据。可以得到如下图。

拟合趋势图

若用直线拟合可以大概计算出这栋房子可以卖150$。若用二次函数拟合，这栋房子可以卖200$。

这就是监督学习的一个很典型的例子。可以做个简单的监督学习总结。

例子一总结：

针对以上例子，可以做个简单的学习总结。我们给算法一个数据集，其中包含了 正确答案，也就是说我们给它一个房价数据集，在这个数据集中的每个样本，我们都给出正确的价格，即这个房子实际卖价，算法的目的就是给出更多的正确答案，例如你想要卖掉这所房子给出估价。用更专业的术语表达，它也被称为回归问题，这种回归问题就是我们想要预测连续的数值输出，在例子中就是价格，技术上而言，价格是能够精确到分，因此价格实际上一个离散值，但通常我们认为房价是一个实数，标量或是连续值。回归这个术语是指，我们设法预测连续值的属性。

例子二：

例子二的目的是设法预测乳腺癌是恶性还是良性的。现已经有一些先例。如下图：

乳腺癌现有数据

其中，横坐标代表肿瘤的大小，纵坐标代表肿瘤是恶性还是良性，0（N）代表良性，1（Y）代表恶性。其实，这就是一个分类问题，预测的结果只有两个，良性或者是恶性。在分类问题中，有两外一种方式来绘制这些数据。下面将用O来表示良性肿瘤，X来表示恶性肿瘤。

肿瘤大小数据一维图

在上面的例子中，只有一个属性，就是肿瘤的大小，但是在实际中，属性不仅仅只有一个。假设对于上面那个例子还增加了一个患者年龄。数据图如下。

年龄-肿瘤大小数据图

其中横坐标为肿瘤尺寸大小，纵坐标为患者年龄。

在许多情况下，有许多算法会用一条直线来分离这两者肿瘤。如下图

直线分离肿瘤

根据上面的分类，我们就可以通过肿瘤尺寸和患者年龄来判断肿瘤是良性还是恶性。看到上面那个紫色的点，位于良性区域，因此认为肿瘤为良性的概率是比恶性的概率要大。

以上总结：

监督学习：基本思想是我们数据集中的每个样本都有相应的“正确答案”。再根据这些样本作出预测，就像房子和肿瘤的例子中做的那样。

回归问题：回归是指我们的目标是预测一个连续值的输出。

分类问题：其目的是预测离散型输出。

小练习：

第一个问题：你有很多同一件货物的库存，假设你有几千件相同的货物要卖，你想预测在接下来的一个月你可以卖多少件。

第二个问题：你有很多用户，你想要写一个软件，来检查每一个客户的账户，以此判断客户的账户是否被入侵。

请你来判断以上两个问题是分类问题还是回归问题？

答案：第一个问题是回归问题，因为假设我有几千货物，我会将它看成一个实数，即一个连续的值，那就是说我要卖的货物数量看成一个连续的值。第二个问题是分类问题，因为我可能会设置我要预测的值为0（未入侵）或者是1（已被入侵），并用一个算法来预测这两个离散值。

无监督学习

无监督学习的数据和监督学习的数据是不一样的，无监督学习的数据都具有相同的标签或者是都没有标签。

无监督学习数据集

我们得到一个数据集，我们不知道要做什么，也不知道每个点究竟是什么。我们只被告知有这样的一个数据集，你能在其中找到某种结构或规律吗？

无监督学习算法可能判定该数据集包含两个不同的类，右上角为一类，左下角为一类。这就是聚类算法。

无监督学习聚类

有个典型的在我们身边的例子，很多网站会收集每一天的新闻，并按照主题把各种各样的新闻分类在一起。例如你点开娱乐，里面都会是明星的新闻；假如你点开体育，里面都会是关于体育的新闻。

在视频中，举了一个关于基因组学中的应用的例子。是一个DNA微阵列数据的例子，基本思想是给定一组不同的个体，对于每个个体，检测他们是否拥有某个特定的基因，也就是要检测特定基因的表达程度，下面图片中的红、绿、灰等颜色展示了不同的个体相应的程度，即不同的个体是否有着一个特定的基因。你能做的就是运行一个聚类算法，把个体聚类到不同的类或不同类型的组（人）……

DNA微阵列

这个就是无监督学习，因为我们并没有被提前告知算法一些信息，比如，这是第一类的人，这是第二类的人等等。我们拿到手上的只有一堆数据，不知道数据的类型与结构，这就需要我们自动地聚类。无监督学习的数据，就是我们没有给算法正确答案来回应数据集中的数据。

无监督学习，它是学习策略，交给算法大量的数据，并让算法未我们从数据中找出规律或结构。

总结

垃圾邮件问题，你已经知道哪些是垃圾邮件哪些是非垃圾邮件，然后再给你一堆邮件，让你去区分垃圾或者非垃圾，这就是监督学习问题。

新闻事件分类，给你一堆新闻让你去分类聚类，这就是无监督学习。

监督学习问题和无监督学习问题最大的区别就在于，对数据集，你是已经其分类或者规律还是未知？已知就是监督学习问题，未知就是监督学习问题啦！

参考：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

有什么问题尽管提出来！！！超级萌新求指点！