什么是机器学习

机器学习
关注的问题：计算机程序如何随着经验积累自动提升性能
怎样设计一个学习系统？
学习的定义：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衡量的性能能随着经验E而自我完善，我们成这个计算机程序从经验E中学习
设计学习系统，必须明确三个特征：学习任务T，性能衡量标准P，经验来源E
例如：
手写识别学习问题
学习任务T： 识别分类图像中的手写文字
性能衡量标准P：分类的正确率
经验来源：已知分类的说写文字数据库
自动驾驶问题
学习任务T：正常行驶
性能衡量标准P：平均无差错行驶里程
经验来源：人类驾驶时录制的图像和不同情境下的驾驶指令数据
可以看到，关键问题是对任务T提高性能P，通常这可以转化成学习某个特定的目标函数的问题，提高性能就转化成目标函数的最优化问题。目标函数的表示方法很多，最简单的如线性函数，这样学习的过程就变成寻找最佳权值的过程。
从特定的训练数据学习一般的目标函数存在什么样的算法？如果提供了足够的训练数据， 什么样的条件下会使特定的算法收敛到期望的函数？哪些算法对哪些问题和表示的性能最好？
接下来就是了解各种机器学习算法的时候了。