1.初识机器学习

1.1 绪论

机器学习

    -Grew out of work in AI

    -New capability for computer 

应用领域：

    Example

        数据挖掘：网络点击数据，医疗记录，生物学，

        无法手动编写的程序：直升机自动驾驶，手写识别，NLP,计算机视觉

        私人定制程序：Amazon推荐商品

         Understanding human learning:理解人类的学习过程

1.2 什么是机器学习

    Arthur Samuel：在没有明确设置的情况下，使机器具有学习能力的研究领域。

    Tom Mitchell: 计算程序从经验E中学习，解决某一任何T进行某要一性能度量P，通过P测定在T上的表现因经验E而提高。举个例子，垃圾邮件分类，任务T邮件分类，经验E观察是否把邮件分为垃圾邮件，性能度量P正确归类邮件的比例。

1.3 监督学习

    例子：房价预测

    监督学习：给算法的数据集，包含正确的答案，算法的目的就是给出更多正确的答案，监督学习包括回归和分类两种。例如房价预测的例子就是一种监督学习，更确切说是回归。回归（Regression）的定义：设法预测连续值的属性。

    乳腺癌预测

    肿瘤分类问题，单个属性。分类定义设法预测一个离散值输出。

    肿瘤分类问题，多个属性。

1.4 无监督学习

例子：谷歌新闻 将成千上万的新闻聚类成不同的新闻专题，同一主题的为一个簇。聚类算法是无监督学习的一种。

无监督学习：给算法大量的数据，找出数据的类型结构。