Coursera 上的Machine Learning 專項課程是史丹佛大學的吳恩達教授最近最新開設，
是由他原本的Machine Learning 單項課程再擴充而成，
從課程內容來看，相較於原本的課程算是對機器學習所有領域的概論，新的課程將會更加偏重於深度學習相關的領域，
而且也把原本使用 MATLAB 或 Octave 且要自己電腦上完成的作業轉變成目前主流的 Python 和 Jupyer Notebook 線上完成。
第一堂課的主題是 Supervised Machine Learning: Regression and Classification，本文是關於第一週，
一開始吳恩達教授先針對機器學習做一個總體性的入門介紹，
機器學習如今已經深入我們生活的各個層面，
最典型的就是如今各種人臉辨識軟體，像是臉書能夠自動標記照片上的每張人臉，iphone也會自動幫每張照片辨識裡面的人物等，
還有串流媒體會根據你的觀看記錄、喜好名單等去推薦片單給你，
其它例子還包括語音辨識軟體、翻譯軟體和搜尋引擎等在近年來功能都大幅進步，這也跟機器學習有密切關聯，
至於在醫學和科技方面，機器學習也已經被用來幫助醫生辨識X光片、腫瘤等，工業界也用來輔助品管以提升良率，
總而言之，機器學習正在快速地進入生活中的每一個層面，這也是為何我們必需要學習這門知識，才不會落後於人類發展的腳步。
接下來進入正題，
所謂「機器學習」Machine Learning，指的是讓電腦擁有學習的能力，因此在我們把電腦給訓練好之後，
我們就不需要透過程式碼給予電腦明確的指示，電腦自己會透過模型來做決策，
機器學習基本上可以分成兩大類: 監督式學習 (supervised learning) 和非監督式學習 (unsupervised learning)，
監督式學習基本上是最常見的情境，意思是輸入 (input, X)和輸出 (output, Y) 都會被非常明確地定義出來，
這種把每一個資料去做定義的動作，叫做標記 (labeling)，
比方說，要訓練出一個能辨識垃圾信件的模型，就要把拿去訓練的信件都以1或0的方式來表示成是/否為垃圾信件，
其它種需要這類標記方式的情境還包括網上廣告是否被用戶點擊、生產出來的產品是否有缺陷等等，
其它 supervised learning 的情境還包括語言翻譯、語言辨識、自動駕駛等等，都是需要很明確的標記以訓練模型，
模型自己會在訓練過程中，學習X與Y之間的關聯，
最典型的例子，就是「房價預測問題」，
要預測房價，會運用到「迴歸」 (Regression)的技巧，其實就是如上圖所示，找到一條線是最符合資料的趨勢，
這條線 (方程式) 有可能只是一條簡單的斜直線，也有可能是一條曲線，只要能找到一條最佳的方程式，就能用它來預測房價，
而剛剛講到的用1/0來表示是/否的二元情境，則叫做「分類」 (classification)，
例如要判斷腫瘤是良性還是惡性，醫師要用0/1去標記出許多張照片中的腫瘤，再讓演算法自己去推論哪些因素會決定腫瘤的性質，
這個因素有可能是一元的 (如第一個例子是尺寸)，但真實世界的例子通常是二元以上 (例如，尺寸和年紀)，
未來只要把照片丟給模型，模型就會按照自己學到的準則去判斷。
結論來說，Regression 和 Classification 最大的差異就是前者會預測各種數值，但後者只能預測特定幾個情境。
講完了監督式學習，接下來就討論非監督式學習。
兩者最大的差異，顧名思義，就是訓練過程中監督式學習會被給予很明確的標記，讓演算法根據我們的標記去建立關係，
但是監督式學習則是讓演算法自己去挖掘資料之中的特性，最常用的情境就是把資料根據相似度去分成不同的群落，也就是clustering (群聚)，
比方說，Google 的搜尋引擎會自己根據關鍵字，把有一樣內容的網頁推薦給使用者，
或是基因檢測時，根據類似的基因圖譜去做分群，我們可以發現具有某基因的人所擁有的共同特性，比方說…不愛吃香菜。
另外，非監督式學習也能夠幫忙我們找出不正常的資料，或是降維等。
以上是 Supervised Machine Learning 課程第一週的第一部分，
接下來吳恩達教授會開始介紹迴歸模型的細節，尤其是到底機器學習是用什麼手法來優化迴歸模型的。
留言列表
