机器学习-学习心得-第一讲

机器学习-学习心得-第一讲一、机器学习概念基础吴恩达AndrewNg余凯机器学习前提1、计算机相关基础理论；2、数据结构；3、编程能力；4、matlab/Octave等语言；5、基础概率统计知识（随机变量/方差）；6、基本线性代数（矩阵/向量）7、基础的微积分知识机器学习定义在不直接针对问题进行编程的情况下，赋予计算机学习能力的一个研究领域对于一个计算机程序来说，给他一个任务T和一个性能测量方法P，如果在经验E的影响下，P对T的测量结果得到了改进，那么就说该程序从E中学习。机器学习技术1、监督学习（supervisedlearning）2、无监督学习（unsupervisedlearning）3、强化学习（ReinforcementLearning）4、学习理论（LearningTheory）5、半监督学习机器学习监督学习（分类）判别学习线性回归逻辑回归生成学习高斯判别朴素贝叶斯SVM支持向量机无监督学习（聚类）K-means混合高斯。。。强化学习马尔科夫决策MDP。。。机器学习问题解决思路二、线性回归1、数学模型2、代价函数3、代价函数最优解-梯度下降3、代价函数最优解-梯度下降3、代价函数最优解-梯度下降数学模型-代价函数三、后续安排机器学习监督学习（分类）判别学习线性回归逻辑回归生成学习高斯判别朴素贝叶斯SVM支持向量机无监督学习（聚类）K-means混合高斯。。。强化学习马尔科夫决策MDP。。。