机器学习Day1

1.机器学习定义

卡内基梅隆大学的Tom Mitchell提出，机器学习是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时性能有所提升。

2.监督学习

监督学习的基本思想是数据集中的每个样本都有相应的“正确答案”，再根据样本做出预测。就是说数据集中每个样本会明确标出是正样本还是负样本。

3.分类与回归

分类：目的是预测离散的输出值
回归：目的是预测连续的输出值

4.无监督学习

无监督学习中的数据是没有任何标签的，聚类是无监督学习中的一种