斯坦福《机器学习》Lesson1-3感想-------1、机器学习的基本定义

   机器学习就是把无序的数据转换成有用的信息。机器学习一般包括训练集、学习算法、目标变量、假设函数。目标变量是机器学习的预测结果。如图1所示，在训练集上结合目标变量，利用学习算法不断学习，使得假设函数h能够解释（x,y）之间的关系。机器学习中最重要的就是如何确定假设函数。

   

图1 

机器学习的算法分类如图2所示。

图2 机器学习的分类

在使用机器学习算法中，如果想要预测变量的值，则可以选择监督学习算法。否则可以选择无监督学习算法。确定为监督学习算法后，如果要进一步确定目标变量的类型，可以选择分类器算法（目标变量是离散型）或者回归算法（目标变量是连续的）。如果不想预测目标变量的值，则可以选择无监督学习算法。进一步分析是否需要将数据划分为离散的组。如果这是唯一的需求，则使用聚类算法；如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。