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