【ML】1 Introduction

Lecture 1 Introduction

What is machine learning

Definition

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

• Tom Mitchell (1998)

• 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.

  • E：经验，重复训练中获得的数据
  • T：任务，所重复的训练
  • P：性能度量，符合预期结果的概率

Machine learning algorithms:

• Supervised learning：人工设定计算机怎么学习
• Unsupervised learning：计算机自己学习
• Reinforcement learning
• recommender systems

Supervised Learning

Example

• 预测房价

  获取数据集，房价及房子面积，获得拟合数据，得以预测——回归问题（Regression）

• 预测肿瘤良性或恶性

  获取数据集，肿瘤大小及其为良性或是恶性，进行分类（一组有限离散数据），计算某大小的肿瘤为良性的概率或为恶性的概率——分类问题（Classification）

  可能以多种属性进行分类，本例可能有肿瘤性质（需要判断的问题）、患者年龄、肿瘤大小、肿瘤形状

Definition

• "right answers" given（给出标签）
• 常见问题类型：回归问题（Regression）、分类问题（Classification）

Unsupervised Learning

Example

• 聚类算法

  同类新闻分类、检测特定基因表达程度、大型计算机集群、社交网络分析、市场细分

• 鸡尾酒会问题

  多个麦克风收集鸡尾酒会音频（声音很混乱），辨别音源（每个人说的话）

  • Cocktail party problem algorithm

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