机器学习第一章——绪论初识机器学习

机器学习的定义：

 Arthur Samuel对机器学习的定义为：在进行特定编程的情况下，给予计算机学习能力的领域

 Tom Mitchell对机器学习的定义为：一个程序被认为能从经验 E 中学习，解决任务 T，达到性能度量值P，当且仅当，有了经验 E 后，经过 P 评判，程序在处理 T 时的性能有所提升。我认为经验E 就是程序上万次的自我练习的经验而任务 T 就是下棋。性能度量值 P 呢，就是它在与一些新的对手比赛时，赢得比赛的概率。

机器学习主要分为两种类型：监督学习和无监督学习

监督学习:我们数据集中的每个样本都有相应的“正确答案”。再根据这些样本作出预测，就像房子和肿瘤的例子中做的那样。
其中的回归问题，即通过回归来推出一个连续的输出，分类问题，其目标是推出一组离散的结果。

无监督学习：无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。

针对数据集，无监督学习就能判断出数据有两个不同的聚集簇。无监督学习算法可能会把这些数据分成两个不同的簇。所以叫做聚类算法。