CIT_DM and ML_lecture 1

Lecture 1 内容简介：整体简述ML的学习内容和方法，举例有如何评价电影，确定硬币种类，给客户提供贷款，学习葡语等例子，应用了各种算法，得出数据引出模型的核心结论。从理论到实际，从抽象到具体。

Components of Learning

Formalization(形式化)：

1. 输入：
2. 输出：
3. 目标函数：
4. 数据集：,……
5. 由以上得到的假说  

Learning Procedure（结合信用贷款的例子）

一开始我们未知目标函数，我们将用户以往的信用记录作为训练集加入学习算法当中。同时利用我们已经做出的多个假设，得到了最终的。

这个可以去与实际情况去比较，就可以知道我们最终得到的假设是否符合事实。

Perceptron

具体关于Perceptron可参照大神博客http://blog.csdn.net/xiaowei_cqu/article/details/9004101