Machine Learning — 监督学习与非监督学习

斯坦福大学的Machine Learning课程（讲师是Andrew Ng）公开课是学习机器学习的“圣经”，以下内容是听课笔记。

一、何谓机器学习

Machine Learning is field of study that gives computers the ability to learn without being explicitly programmed.

也就是说机器学习不需要制定具体的模型，而是让计算机根据庞大的数据量自己训练模型，与之相对的，例如CFD软件，是建立在物理模型之上的，例如输运方程等。

二、监督学习（Supervised learning）

数据集中的每个样本有相应的“正确答案”，根据这些样本做出预测，分有两类：回归问题和分类问题

（1）回归问题

例如预测房价，根据样本集拟合出一条连续曲线

（2）分类问题

例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的

二、非监督学习（Unsupervised learning）

非监督学习的数据集跟监督学习不同，没有任何标签，即没有相应的“正确答案”。从数据集中可以通过非监督学习得到数据的某种结构，可能是把数据分成两个不同的聚集簇，称为聚类算法。

例如：