机器学习入门笔记（一）

一、无监督学习、监督学习和强化学习

监督学习：在给定的一些数据下，已经告诉你这些数据的特性，并且让你分类，然后给你一个数据让你根据图来推出其他的数据（给定一个坐标系，上面有相应的图像，给你x数据让你预测y的值）。如分类

无监督学习：给你一组数据，这些数据你并不知道分类是什么，你需要根据结构自己划分，并没有标准答案。

无监督学习应用：如聚类，

2. 能将像素分类，对于计算机识别图像很有用处，

3. 将嘈杂的一对声音经过算法的处理，将声音分离

4. 文本处理

ICA算法用MATLAB一行代码表示：

强化学习：给你一些正确的决策（强化学习的关键是定义什么是好行为什么是坏行为），通常每一次做了好行为就给他奖励，坏行为就给相应的惩罚，渐渐地机器可以自动判断决策的正确与否。

例如汽车自动寻路，机器狗自动爬岩石，机器蛇自动爬越障碍物等等，都是在强化学习下不断地测试最后得到正确的决策来实现的。

二、回归

例子：汽车一开始受人操控行驶在路面上，机器根据司机行驶这条路对应的方向不断采集数据，最后达到监督学习的目的，得到回归的结果，汽车就能自动进行方向判断和驾驶了。

常用公式字符：

m=#tranining examples

x="input" variable/features(特征变量)

y="output" variable/"target" variable(目标变量)

（x,y）training example

i(th) training example = (x(i),y(i)) (样本列表的第i行)

5ce0d8faa69d249494 5ce0d9e640f4d55914

n=#features(特征值的数量)