Machine Learning學習日記 — Coursera篇 (Week 1.1):Supervised learning,Unsupervised learning,regression,classification

回目錄：Coursera章節

上一篇：前言

下一篇：Linear Regression with One Variable

Introduction

綱要

1. Supervised learning
2. Unsupervised learning

1. Supervised Learning

Supervised Learning：”Right answer given”

Regression(回歸)

predict continuous value ouput

例：根據房屋大小來預測房屋的售價

儘管價格還是有其最小單位(1元)，但此處仍將其視為是連續的值(Continuous)

而預測的模型可以由線性(紅色的線)或是二次方程式(紫色)來預測

兩種方式沒有孰優孰劣，也不保證預測的準確性

但在此情況下紫色的線顯然是個更為符合資料分配的模型

Classification(分類)

Discrete(離散) value output (0 or 1)

例：預測一個腫瘤良性/惡性的機率大小

一個classification的問題會比較像是，若已知腫瘤大小，那麼其為良性/惡性的機率會有多大？

隨堂小考：

*identical:相同的｜compromised:未被授權的侵入

大家可能會對Problem 1有點小疑問：為什麼存貨可以被視為continuous？

我猜應該是當所要預測的數值很大的時後，就可直接將其視為continuous

在討論區也有人po了一則有趣的問題

Scenario:情境

乍看之下還真的覺得頗有道理的，直到下面有人回應

curve:曲線｜scale尺度

大意就是說都衡量出臨界點了幹麻再比較一次高低，突然覺得自己好蠢XD

2. Unsupervised Learning

Unsupervised Learning:”No right answer given”

沒有標籤的資料(代表沒有正確的資料)

例：Google news的歸類

隨堂小考：

address:解決(問題)｜labeled:標籤為…｜spam:垃圾郵件｜filter:過濾器｜market segment:市場區間｜diagnosed:診斷出｜diabetes:糖尿病

address:解決(問題)｜labeled:標籤為…｜spam:垃圾郵件｜filter:過濾器｜market segment:市場區間｜diagnosed:診斷出｜diabetes:糖尿病

重點在於給予其訓練的資料是否有著”記號”，像是第一個問題就是：給予事先標示好的email(是否為垃圾郵件)來讓機器學習。這是屬於supervised的類別，因此不選。