吴恩达机器学习_What is Machine Learning?

什么是机器学习？

在本视频中，我们将尝试定义它是什么，

并尝试让你知道什么时候想要使用机器学习。

即使在机器学习从业者中

，机器学习是什么，什么不是机器学习的定义也没有一个很好的接受。

但是，让我向你们展示一些人们试图

定义它的方式的例子。

下面是什么是机器学习的定义，因为亚瑟·塞缪尔。

他

将机器学习定义为赋予计算机学习能力而无需明确学习的研究领域。

从 ::33 开始播放视频并学习脚本0:33

塞缪尔声称的名声是，早在 1950 年，他写了一个跳棋玩

程序和惊人的事情关于这个跳棋玩程序

是，亚瑟·塞缪尔本人不是一个很好的跳棋选手。

但他所做的是，他不得不编程可能成千上万的游戏对

自己，通过观察什么样的董事会位置往往导致胜利，

什么样的董事会位置倾向于导致损失，

跳棋的程序随着时间的推移学会了什么是好的棋盘位置和

什么是坏董事会的位置。

最终学会玩跳棋比亚瑟·塞缪尔

本人能够更好。

这是一个了不起的结果。

亚瑟·塞缪尔本人原来不是一个非常好的跳棋球员。

但是，因为一台计算机有耐心玩成千上万

的游戏，所以没有人有耐心玩这么多的游戏。

通过这样做，一台计算机能够获得这么多的跳棋游戏体验

，它最终成为了比亚瑟自己更好的跳棋球员。

从 :1:32 开始播放视频并学习脚本1:32

这是一个有点非正式的定义，而且是一个较旧的定义。

这里有一个稍微更新的定义由汤姆·米切尔

谁是卡内基甜瓜的朋友。

所以 Tom 定义了机器学习

，说一个良好的学习问题定义如下。

他说，一个计算机程序据说从经验 E 学习关于

一些任务 T 和一些性能措施 P，如果它在 T 上的性能，

由 P 测量，随着经验 E 的提高，

我实际上认为他出来了这个定义只是为了使它押韵。

对于跳棋玩例子，体验 E 将是

让程序玩成千上万的游戏本身的经验。

任务 T 将

是玩跳棋的任务，性能测量 P 将

赢得下一场比赛的跳棋对阵一些新的对手的概率。

从 :2:24 开始播放视频并学习脚本2:24

在这些视频中，除了我试图教你的东西，

我偶尔会问你一个问题，以确保你理解内容。

这里有一个

从 :2:33 开始播放视频并学习脚本2:33

最重要的是汤姆·米切尔对机器学习的定义。

假设您的电子邮件程序会监视您做的电子邮件或未标记为垃圾邮件。

因此，在这样的电子邮件客户端中，

您可以单击垃圾邮件按钮将某些电子邮件报告为垃圾邮件，而不是其他电子邮件。

根据您将哪些电子邮件标记为垃圾邮件，

假设您的电子邮件程序可以更好地了解如何过滤垃圾邮件。

此设置中的任务 T 是什么？

几秒钟后，视频将暂停，当它这样做时，

你可以使用你的鼠标选择这四个单选按钮之一，让

我知道你认为这四个单选按钮中的哪一个是这个问题的正确答案。

从 :3:16 开始播放视频并学习脚本3:16

所以希望你得到这是正确的答案，对

电子

从 :3:29 开始播放视频并学习脚本3:29

邮件进行分类是任务 T。事实上，这个定义定义了一个任务 T 性能测量 P 和一些经验 E。所以，看着你将电子邮件标记为垃圾邮件或不是垃圾邮件，

这将是经验 E 和

电子邮件正确分类，这可能是一个性能指标 P

从 :3:55 开始播放视频并学习脚本3:55

等系统性能的任务，关于性能指标 P 将在经验 E 后改善 E. 在这个类中，

我希望教你关于各种不同类型的学习算法。

有几种不同类型的学习算法。

主要的两种类型是我们所说的监督学习和

无监督学习。

我将在接下来的几个视频中定义这些术语的含义更多。

事实证明，在监督学习中，

我们的想法是要教计算机如何做一些事情。

而在无监督的学习中，我们将让它自己学习。

如果这两个术语还没有意义，请不要担心。

在接下来的两个视频中，

我将确切地说明这两种类型的学习是什么。

您可能还会听到其他虚影术语，例如强化学习和

推荐系统。

这些是其他类型的机器学习算法，我们稍后将讨论。

但两种最常用的学习算法可能是监督

学习和无监督学习。

我将在接下来的两个视频中定义它们，我们将花费大部分时间

讨论这两种学习算法。事实

证明，在这个

课程中花费很多时间的其他东西是应用学习算法的实用建议。

这是我非常强烈的感觉。

而正是东西，我不知道，如果任何其他大学的老师。

学习算法的教学就像给一组工具一样。

同样重要或

比给你这些工具更重要，因为它们教你如何应用这些工具。

我喜欢做一个比喻学习成为一名木匠。

想象一下，有人在教你如何做一个木匠，

他们说，这里有一把锤子，这里有一把螺丝刀，这里有一把锯子，祝你好运。

嗯，这是不好的。

您拥有所有这些工具，但

更重要的是学习如何正确使用这些工具。知道如何

从 :5:36 开始播放视频并学习脚本5:36

使用这些机器

学习算法的人与不知道如何很好地使用这些工具的人之间有着巨大的区别。在

这里，在我居住的硅谷，

当我去拜访不同的公司，甚至在顶级硅谷公司，

我经常看到人们试图应用机器学习算法来解决一些问题，

有时他们已经走了六个月。

但有时候我看看他们做什么，我会说，我可以告诉他们喜欢，

哎呀，我可以在六个月前告诉你，你应该采取一个学习

算法，像稍微修改的方式一样应用它，

你的成功机会会更高。

所以我们在这个课堂上要做的是花很多时间讨

论如果你真的试图开发一个机器学习系统，如

何做出这些最佳实践类型的决定，关于你构建

你的系统的方式。

所以当你终于学习算法的时候，你不太可能结束

那些在六个月后说服某些东西的人，

其他人可能会发现只是浪费时间六个月。

所以我会花很多时间教你们

机器学习和人工智能方面的最佳实践，以及如何让这些东西发挥作用，以及

硅谷和世界各地最优秀的人如何做到这一点。

我希望能让你成为知道如何设计和

构建严肃的机器学习和 AI 系统的最好的人之一。

这就是机器学习，这些是我希望教的主要课题。

在接下来的视频中，我将定义什么是监督学习

，之后什么是无监督学习。

还有时间谈论什么时候你会使用他们每个人。

吴恩达机器学习_What is Machine Learning?相关推荐

吴恩达机器学习作业4---Neural Networks Learning
Neural Networks Learning 文章目录 Neural Networks Learning 代码分析数据集 ex4data1.mat ex4weights.mat 代码分析首先, ...
# 吴恩达 · 机器学习笔记（① Introduction to Machine Learning）
写在前面在学习Python的时候同步进行吴恩达的机器学习,就像啃书一样,有些视频也需要啃下来.为了之后更好的烟酒生活,为了更舒服地融入新的环境中,那就加油吧!吴恩达机器学习共112章,按一天2节的进 ...
Andrew Ng -- machine learning ex2/吴恩达机器学习ex2
这个项目包含了吴恩达机器学习ex2的python实现,主要知识点为逻辑回归.正则化,题目内容可以查看数据集中的ex2.pdf 代码来自网络(原作者黄广海的github),添加了部分对于题意的中文翻译, ...
吴恩达机器学习（九）—— 神经网络：Learning
吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总. 1. 代价函数 2. 反向传播算法 3. 反向传播算法的直观理解 4. 实现注意:展开参数 5. 梯度下降 6. ...
带你少走弯路：五篇文章学完吴恩达机器学习
本文是吴恩达老师的机器学习课程[1]的笔记和代码复现部分,这门课是经典,没有之一.但是有个问题,就是内容较多,有些内容确实有点过时. 如何在最短时间学完这门课程?作为课程的主要翻译者和笔记作者,我推荐 ...
吴恩达机器学习笔记-应用机器学习的建议
评估假设我们之前已经学习过一些机器学习的算法,现在我们来谈谈如何评估算法学习得到的假设.当发现预测的结果和实际的数据有误差的时候,我们需要进行一些调整来保证预测的准确性,大部分情况下,有以下几种办法 ...
Github标星24300！吴恩达机器学习课程笔记.pdf
个人认为:吴恩达老师的机器学习课程,是初学者入门机器学习的最好的课程!我们整理了笔记(336页),复现的Python代码等资源,文末提供下载. 课程简介课程地址:https://www.course ...
下载量过百万的吴恩达机器学习和深度学习笔记更新了！（附PDF下载）
今天,我把吴恩达机器学习和深度学习课程笔记都更新了,并提供下载,这两本笔记非常适合机器学习和深度学习入门.(作者:黄海广) 0.导语我和同学将吴恩达老师机器学习和深度学习课程笔记做成了打印版,放在g ...
吴恩达机器学习+林轩田机器学习+高等数学和线性代数等视频领取
机器学习一直是一个热门的领域.这次小编应大家需求,整理了许多相关学习视频和书籍. 本次分享包含:台湾大学林轩田老师的[机器学习基石]和[机器学习技法]视频教学.吴恩达老师的机器学习分享.徐小湛的高等数 ...

吴恩达机器学习_What is Machine Learning?

吴恩达机器学习_What is Machine Learning?相关推荐

最新文章

热门文章