吴恩达机器学习-随堂笔记01

1-3.监督学习

大多数实际问题都包含多个影响因素导致最后的结果，所以监督学习需要处理无穷多的特征，另外还需要考虑如何用计算机来存储无穷多数量的事物，因为单靠计算机的存储可能造成计算机内存的溢出。

监督学习，利用数据集中的每个样本，想要用算法帮我们预测并得出“正确答案”。

回归问题(regression problem)，回归是指我们的目标是预测一个连续值输出，例如，预测房价；

分类问题(classifation problem)，预测离散值输出，例如，判断肿瘤是良性还是恶性。

1-4.无监督学习

聚类算法 只提供数据集，但是未知目标，让算法帮我们将数据集自动归类，比如，让算法帮医生将基因序列分类，在分类之前我们未可知数据特征或者类别；再或者，算法自动将谷歌新闻分类，判断哪些新闻报道同一个事件等等。

鸡尾酒会算法，将混合音频分离出组成整个音频的各个音源。