机器学习ML.1 :: Introduction | 简介 （1）

是在去年（2011）知道这个online class的，那时的域名是www.ml-class.org，只有machine learning的课程。记得去年的某天，我在某处（应该是网易公开课）看了一集机器学习的公开课。很感兴趣，于是找到了Andrew Ng教授的主页，最后发现了这么一个网上公开课。

在寒假时，我把公开课里没有任何字幕的Lecture下了下来，硬着头皮看了几个章节，结果是一知半解。现在工作之余，又想好好地把这个课程学习一下，于是决定通过写学习笔记的方式来督促自己去深究。

现在ml-class已经成为了coursera.org的一份子，各路大牛在这开设online class，涉及各类学科，都是些难得的资源。ML class的页面链接：https://class.coursera.org/ml-2012-002/class/index，现在的版本已经能够下载字幕了。

 

---

 

1. Welcome | 欢迎

在这一节中，主要介绍了机器学习技术的基本概况，它的魅力以及它的应用实例。

 

虽然我们一直以来不知道机器学习为何物，但是在生活中却经常使用与这个技术相关的服务，如搜索服务、相片识别、垃圾邮件分类等等。由此可见机器学习的魅力之大。Andrew Ng说"For me one of the reasons I'm excited is the AI dream of someday building machines as intelligent as you or me."这么一个AI dream，很多人会为之动心吧！

 

机器学习在人工智能中起着重要的作用，它随着人工智能的发展而得以发展，可以认为它使得计算机获得了一种强大的全新的能力。应用机器学习技术的领域有：数据挖掘（Data Mining）、手写识别（Handwriting Recognition）、自然语言处理（Natural Language Processing, NLP）以及计算机视觉（Computer Vision）。

 

---

 

2. What is machine learning | 机器学习是什么

对于“什么是机器学习，什么不是”，虽然很难给出一个能够被普遍接受的定义，但是还是有些定义值得研究的。

 

Arthur Samuel的定义是：Field of study that gives computers the ability to learn without being explicitly programmed. 其含义为，机器学习就是研究如何不通过明确地编写程序而实现给予计算机学习能力。

 

Tom M. Mitchell的定义：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E. 对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E中学习。（翻译来源：《机器学习》，Tom M. Mitchell，曾华军等译，机械工业出版社）

用上述第二个定义来定义手写识别学习问题：

• 任务T：识别和分类图像中的手写文字
• 性能度量P：分类的正确率
• 训练经验E：已知分类的手写文字数据库

 

将要介绍的机器学习算法主要可分为有监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）。在有监督学习中，我们将用训练样本去训练计算机，相当于教它做某事，而在无监督学习中，我们放手让它自己去学习。除此之外，还有增强学习（Reinforcement Learning）和推荐系统（Recommender System）将会被介绍。这个课程还会介绍有关学习算法实际应用的建议。

 

---

 

未完待续……