机器学习基础

“A computer program is said to learn from experience E with respect to some task T and performance measure P, if its performance on T, as measured by P, improves with experience E”

从经验E中学习，解决某一任务T，进行某一性能度量P

无监督学习：

给算法大量的数据，要求找出数据的类型结构

聚类算法：具有相同性质的数据归为一簇

“鸡尾酒会算法”：分离被叠加混合的声音

监督学习：

对于数据集中的每个样本，用算法预测，并得出“正确答案”

分类问题。判断肿瘤良性与恶性

回归问题：用曲线拟合，求具体的值。

m 测试的例子数

x's 输入变量

y's 输出变量

（x,y） one training example

（x^(i),y^(i)）第i个样本

假设函数

参数

优化目标