Stanford Machine Learning 学习 2016/7/4

认同度比较高的机器学习入门教程,由Stanford的Andrew Ng主讲.网易公开课上有中英文字幕的教学视频资源(http://open.163.com/special/opencourse/machinelearning.html),讲义戳这里:http://cs229.stanford.edu/materials.html

网络上有各种类似的课程学习笔记，也会是我学习的一部分。be patient and be curious~

第一节其实是讲机器学习的motivation，简单介绍了监督学习（Supervised learning），无监督学习（Unsupervised learning）和增强学习（Reinforcement learning），并展示了一些利用machine learning的技术完成的项目demo。

毕竟被全方位地科普过deep learning，对于基本的概念有一定的了解，不再赘述~

监督学习可以认为我们给定的一组数据，是有groundturth的，即（x，y）这样的（input feature，output）组，在train的时候output就取groundtruth。利用SVM可以实现低维线性不可分feature向高维线性可分特征空间的映射，更好的分类。

无监督的学习没有groundtruth，可以利用clustering探索数据中隐藏的结构特性。

增强学习大概可以看作是一个有反馈的环境，对于其做出的每个动作，都会其余奖励或是惩罚，Agent从中进行学习，选择策略使得Agent的性能最优。