Welcome 欢迎

本课主要介绍了机器学习和人工智能的重要性和诸多应用场景

机器学习的应用

---

What is machine learning 什么是机器学习

本课主要介绍了机器学习的定义，以及主要的机器学习算法

机器学习的定义

机器学习算法主要包括监督学习和无监督学习，其他的算法还包括强化学习，推荐系统等。

机器学习算法的分类

---

Supervised Learning 监督学习

本课主要介绍了监督学习的定义及两种典型的监督学习：回归（Regression）和分类（Classification）

监督学习就是给出一些“正确答案”，“监督”程序进行学习，然后对新样本进行预测的过程。

回归

回归的目的是预测一个连续值的输出：

回归（Regression）

分类

分类问题的目的是根据一些特征将离散样本分类

分类（Classification）

---

Unsupervised Learning 无监督学习

本课主要介绍了无监督学习的定义以及几个例子。

无监督学习没有类标，是让机器自己学习出数据中隐含的数据结构

无监督聚类

接下来吴老师还举了几个例子来帮助更好的理解无监督学习：Google News的相似新闻聚类、通过DNA微阵列芯片的表达数据来将不同的个体聚类、从叠加音频中滤波等。最后介绍了Octave软件在机器学习算法建立原型的便捷性。