Week1 引言

机器学习是什么

定义：

第一个机器学习的定义来自于Arthur Samuel。他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。

上述是个有点不正式的定义，也比较古老。另一个年代近一点的定义，由Tom Mitchell提出，来自卡内基梅隆大学，Tom定义的机器学习是，一个好的学习问题定义如下，他说，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。

分类：

主要的两种类型被我们称之为监督学习和无监督学习。另外还包括强化学习，推荐系统等。

监督学习

数据集中的每个样本都有相应的“正确答案”。即数据集的每一个当本都有对应的标签，再根据这些样本作出预测。

监督学习（Supervised Learning）：包括回归问题（regression）和分类问题（classification）
回归：这个词的意思是，我们在试着推测出这一系列连续值属性。
分类：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。所以我们已知数据集，却不知如何处理，也未告知每个数据点是什么。别的都不知道，就是一个数据集。无监督学习通过从数据中找到某种结构，自动的将数据进行聚类，分成不同的簇。