Python与机器学习 章节1-初识机器学习

绪论：初识机器学习

1. 什么是机器学习？
   计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。
   例：程序与自己下几万次跳棋，任务T就是玩跳棋，性能度量P就是与新对手玩跳棋时嬴得概率。
   问：假如你的邮件系统观察了你将哪些邮件标记为垃圾邮件，基于此，学习如何更好的过滤垃圾邮件。在这个过程中，任务T是什么？
   答：任务T：将电子邮件分类为垃圾邮件或非垃圾邮件。
   经验E：观察你是否把邮件标记为垃圾邮件。
   性能度量P:正确归类的邮件比例。
   因此系统在任务T上的性能在得到经验E之后会提高性能度量P。
   
   机器学习的三种不同方法，本节我们将介绍两种不同类型的机器学习方法：监督学习，无监督学习

2. 监督学习？(教计算机做事)
   例：预测房价
   我们给算法一个数据集，其中包含了正确答案，也就是说我们给它一个房价数据集，在这个数据集中的每个样本，我们都给出正确的价格，即这个房子的实际卖价，算法的目的就是给出更多的正确答案，例如为要卖掉的房子给出估价。这种问题也被称为回归问题。
   回归是指，预测一个连续值输出。分类是指，预测离散值输出。
   问：假如你想经营一家公司，想开发学习算法来处理两个问题，第一个问题，你有很多同一件货物的库存，假如你有几千件相同的货物要卖，你想预测在接下来的三个月内，你能卖出多少件。第二个问题，你想写一个软件，来判断客户的账号是否被黑客入侵，这两个问题应该归为分类问题还是回归问题？
   答：第一个问题时回归问题，第二个问题是分类问题，因为可能设置0表示未被入侵，1表示被入侵。

3. 无监督学习？(让计算机自己学习)
   给出的数据集，没有标签，或者具有相同标签，无监督学习可以通过聚类算法，将一堆数据分成不同的簇，其中应用聚类算法的例子有新闻网站，每天爬数十万条新闻，然后自动分类供读者阅读。
   问：无监督学习是一种学习机制，给系统大量数据，要求它找出数据的类型结构，垃圾邮件过滤问题是？是监督学习；谷歌新闻是？是无监督学习；市场细分的问题是？无监督学习；判断是否有糖尿病？是监督学习。