第一节：机器学习的动机和应用

开发软件matlab /octave

凸优化理论和隐马尔科夫模型，它是一种能够对时间序列进行建模的机器学习算法；

1. 机器学习定义

Arthur Samuel（1959）：在不直接针对问题进行编程的情况下赋予计算机学习能力的一个研究领域。

Tom Mitchell（1998）：对于一个计算机程序来说，给它一个任务T和一个性能测量方法P，如果在经验E的影响下，P对T的测量结果得到了改进，那么就说该程序从E中学习。

2. 本课程主要分成四个部分：

第一部分：监督学习（SupervisedLearning）

给你一些数据，有标准答案，目标是给定类似的数据，找到相应正确答案。

回归：处理的是连续问题
分类：处理的是离散问题

第二部分：学习理论（LearningTheory）

讲解学习算法为什么是有效的，这样我们才可以让算法尽可能高效的工作
了解什么样的算法，能很好的近似不同的函数
了解一些需要多少训练数据这样的问问题

第三部分：无监督学习（UnsupervisedLearning）

给你一些数据，无标准答案，目标是发现数据中的一些有趣的结构。

方法：聚类等

可以用在很多地方：计算机集群组织、社会网络分析、市场划分；

ICA算法

第四部分：强化学习（ReinforcementLearning）

它可以被用在你不需要进行一次决策的情形中。

强化学习(reinforcement learning，又称再励学习，评价学习)是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用。但在传统的机器学习分类中没有提到过强化学习，而在连接主义学习中，把学习算法分为三种类型，即非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习。