吴恩达的机器学习应用领域（一）
吴恩达，华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。
2014年5月16日，吴恩达担任百度公司首席科学家，负责百度研究院的领导工作，尤其是Baidu Brain计划。
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。2017年10月，将出任Woebot公司新任董事长，该公司拥有一款同名聊天机器人。
- 什么是机器学习？
1.机器学习是AI发展出来的子领域（machine leaning）
2.机器学习能为计算机赋予新的能力（学习能力）
- 机器学习发展到最后：
机器学习发展到最后可能会产生具备人类智慧的智能（即强人工智能甚至超人工智能），而想要实现“强人工智能”，目前最可行的办法就是通过“仿生学人工智能”（即机器通过模仿人类大脑的学习方式）让机器具备人类智慧
- 机器学习应用的领域：
1.数据挖掘（Database mining）：机器学习算法能采集大量的数据并试图分析其中的规律
eg：网页点击数据；医疗就医数据；基因数据；工业领域数据
2.那些我们写不出来的程序：
eg：我们不会编写让直升机自己飞行的程序，但是我们可以让计算机学习如何驾驶直升机飞行；让机器学会识别手写字体，并帮助我们降低送信成本。还有自然语言处理（NLP），机器视觉（CV）等
3.很多你见过的个性化推荐：机器会根据你的偏好为你量身定制
eg：网易云的每日推荐；淘宝的猜你喜欢；各种毫无营养的新闻
4.理解人类的学习过程和大脑
机器学习：目前还没有统一的定义
常见的机器学习定义：
Arthur Samuel（1959）：在没有明确设置的情况下，使计算机具有学习能力的研究领域。
Tom Mitchell（1998）：一个适当的学习问题定义如下——计算机程序从E中学习，解决某一任务T 进行某一性能度量P 。通过P测定在T上的表现因经验E而提高
小测验：根据Tom对机器学习的定义，假设你的邮件程序观察你将哪些邮件标记为垃圾邮件，基于你标记的垃圾邮件，你的邮件程序学会了如何更好地过滤垃圾邮件。在这个例子中,T是什么？（最后会揭晓答案）
- 将电子邮件归类为垃圾邮件或非垃圾邮件
- 观察你是否把邮件标记为垃圾邮件
- 正确归类为垃圾邮件的电子邮件数量
- 以上都不是——这不是一个机器学习问题
机器学习算法分类：
- 监督学习：我们教会计算机做某件事情
- 无监督学习：我们让机器自己学习
小测验答案：第一个选项。
- 将电子邮件归类为垃圾邮件或非垃圾邮件——T
- 观察你是否把邮件标记为垃圾邮件——E
- 正确归类为垃圾邮件的电子邮件数量——P
监督学习
监督学习：给算法一个数据集，让它根据数据集给出相应的预测结果。
回归问题：结果是线性的，我们设法预测出一个连续值的结果
分类问题：结果是离散的，我们设法预测出一个离散值的结果
名词解释：
小测验：假设你正运营一家公司，你想用学习算法来解决目前碰到的问题。
第1个问题：你同一件商品的库存很大，而你想知道接下来三个月之内到底能卖出多少件...
第2个问题：你有很多用户，你想通过软件检测用户的账户是否被入侵或破坏...
这两个问题应该被归为分类问题还是回归问题？
- 两者都是分类问题
- 问题1是分类问题，问题2是回归问题
- 问题1是回归问题，问题2是分类问题
- 两者都是回归问题
