机器学习入门02——什么是机器学习 | 吴恩达机器学习教程

机器学习的定义

在本博客中，我们将了解机器学习的定义以及何时应用它。让我们一起看看。



Arthur Samuel 提出了一个广为人知的机器学习定义：机器学习是赋予计算机学习能力的研究，而无需显式编程。Samuel 在 20 世纪 50 年代编写了一个跳棋游戏程序，这使得计算机能够通过自我对弈来改进其游戏水平。尽管 Samuel 自己并不是一位出色的跳棋玩家，但他的程序通过大量对弈学会了识别有利和不利的局面，从而逐渐变得比他自己更擅长玩跳棋。



为了帮助大家更好地理解这些概念，本博客中会穿插一些问答题。例如，如果计算机只进行了少量的游戏对弈，结果会如何？



如果你选择了“变得更差”的答案，那么你答对了。通常情况下，给学习算法更多的学习机会，它的表现会更好。
机器学习的主要类型

接下来，我们将深入探讨机器学习的主要类型。机器学习主要分为监督学习和无监督学习两种。



监督学习

监督学习是最常用于实际应用的机器学习类型之一，并且近年来取得了快速的发展和创新。监督学习的目标是从标记的数据集中学习一个模型，该模型可以对新的未见过的数据进行预测。在本博客系列的前两部分中，我们将重点介绍监督学习。
无监督学习

无监督学习则是从未标记的数据中发现模式和结构。虽然监督学习更为常见，但在某些应用场景下，无监督学习也非常重要。第三部分将专门讨论无监督学习。
此外，还有一种值得注意的学习算法——强化学习，但我们在这里主要关注监督学习和无监督学习这两种最常用的类型。
实践建议

除了理论知识，我们还将花大量时间讨论如何有效地应用这些学习算法。掌握工具固然重要，但更重要的是知道如何正确地使用它们。我经常访问一些顶级科技公司的团队，发现即使是经验丰富的机器学习团队有时也会陷入困境，花费数月时间却没有取得进展。这时，提供正确的实践建议就显得尤为重要。
因此，在本博客中，你会学到很多关于如何开发实用且有价值的机器学习系统的最佳实践。这样，你可以避免在错误的方向上浪费时间，并成为一名能够设计和构建复杂机器学习系统的专家。
结语

在本博客中，我们不仅介绍了机器学习的基本概念，还探讨了监督学习和无监督学习的区别及其应用场景。希望你能从中受益，成为机器学习领域的佼佼者。
-------------------
该博客是在学习吴恩达教授视频后总结编写而成的。

我反手就是一个么么哒，不谢

楼主永远支持你，无论怎样

打酱油的人拉，回复下赚取积分