MOOC学院之Machine Learning学习笔记【第一讲】

【1】机器学习的定义     

         亚瑟·塞穆尔将机器学习定义为：在没有明确为计算机编写（完成某项具体任务的）程序的情况下让计算机拥有     “学习” 能力的一个研究领域。

         卡内基·梅隆大学 (Carnegie Mellon University) 的汤姆·米切尔 (Tom Mitchell) 提出一个特定的学习问题可以由下面这段话定义：对于某类任务T和性能度量P ，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。“A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.”

【2】机器学习算法的分类

         监督学习 (Supervised Learning) ：我们要明确告诉计算机如何做某件事情。

         无监督学习 (Unsupervised Learning)：我们要让电脑自己进行学习。

【3】学习算法的实用性

         教学习算法就像是给了你的一套工具，与此同样重要的或者说更重要的是教你如何使用这些工具。你有了所有这些工具，但更重要的是要学习如何正确使用这些工具。懂得如何使用机器学习算法的人，与那些不知道怎么用的人是有很大区别的。这门课要做的就是讨论如果你真的去开发一个机器学习系统，如何在开发机器学习系统的过程中找到最佳方案并做出正确决定。