课程：无监督学习
监督学习
每个样本都被标记为良性或是恶性，对于监督学习中的每个样本我们已经知道什么是所谓的正确答案。
无监督学习
- 都有相同的标签，或是没有任何标签。
- 我们得到一个数据集，但是我们不知道拿它来做什么，也不知道每个样本点是什么，我们只知道这里有一个数据集，你能在其中找到某种结构吗？
在无监督学习算法中，可能判定，该数据集中包含两个不同的簇(clusters)。
这就是所谓的聚类算法
聚类算法的应用：
谷歌新闻：将成千上万的新闻组合成一个个的专题（搜索成千上万的新闻，将其自动分簇，组成页面显示在一起）
其他的一些作用：
以上都是聚类算法的例子，而聚类只是无监督学习的一种。
Cocktail party problem(鸡尾酒会问题)
一个宴会有，一屋子人，大家都在一起说话，每个人都在同时说话，你几乎很难听清楚你前面的人说的话。
假设鸡尾酒会上只有两个人，两个人同时说话。我们将两个麦克风放在房间里，两个麦克风与两个人的距离都不同，每个麦克风记录了来自两人声音的不同组合。
- 因为距离的不同，麦克风收到的音量是不同的，但是每个麦克风都记录了两个说话者重叠的声音。
- 将这两个音频交给鸡尾酒会算法处理后，算法会分离出两个不同发声源发出的声音。（视频中还举了人声和背景声分离的例子）
这个处理过程似乎要用到很多代码，调用各种java，c++的库来进行音频处理，但是实际上要实现这种效果只需要一行代码就可以了。
鸡尾酒会算法
- 当然研究人员花了很长时间，才想出这行代码，并不是说这是一个简单的问题。
- 但事实上如果你使用正确的编程环境，许多学习算法都可以是很简短的程序。
这就是为什么在这门课中我们要使用 Octave的编程环境（Octave是一个免费的开源软件），使用Octave或Matlab这类的工具，许多学习算法都可以用几行代码来实现。
Octave实现了许多的函数，例如上面的SVD函数，已经内置在Octave中了，如果用C++或Java做这个将需要写很多代码，连接复杂的C++或java库。当然可以在C++，Java或Python中实现这个算法，只是会更加复杂。
Andrew Ng的建议是，使用Octave学习会更快，如果使用Octave作为学习工具和原型工具，它将会使你更快学会学习算法，建立原型。
在硅谷工作的人常常是用Octave建立学习算法原型只有算法原型能够工作之后，再将其迁移到C++、Java或者其他编译环境。
试题
answer：BC
