机器学习实战（1）——概览

目录

1 机器学习的定义

2 有关概念

3 机器学习的种类

4 机器学习的主要挑战

---

1 机器学习的定义

笼统定义：

机器学习研究如何让计算机不需要明确的程序也能具备学习能力。

——Arthur Samuel，1959

偏工程化定义：

一个计算机程序在完成任务T之后，获得经验E，其表现效果为P，如果任务T的性能表现，也就是用以衡量的P，随着E的增加，可以称其为学习。

——Tom Mitchell，1997

2 有关概念

1. 系统用来学习的示例，称为训练集，每个训练示例称为训练实例或者是训练样本。
2. 应用机器学习技术来挖掘海量数据，可以帮助我们发现那些此前并非立见端倪的模式。这个过程称为数据挖掘。
3. 机器学习中，属性是一种数据类型（如“年龄”），而特征取决于上下文，可能有多个含义，但是通常情况下，特征意味着一个属性加上其值（如“年龄=22岁”）。
4. 降维的目的是在不丢失太多信息的前提下简化数据。方法之一是将多个相关特征合并为一个。例如