一、概念定义

一、机器学习

        1、在没有明确设置情况下，使计算机具有学习能力的研究领域

        2、计算机程序从经验E中学习解决某一任务T，进行某一性能度量P，通过P测定在T上的表现，因经验E而提高。

        eg：跳棋游戏中：经验E是与自己进行成百上千次的对弈，任务T是玩跳棋，度量P是与对手对弈获胜的概率；

                解决垃圾邮件中：经验E是观察用户是否将邮件归类到垃圾邮件中，任务T是分类垃圾邮件，经验E是是否正确归类的概率

二、监督学习

        1、我们教会计算机做某件事情

        2、我们给算法一个数据集，其中包含了正确答案，算法目的是给出更多正确答案

        3、对连续数据，可以划分为回归问题，我们的目标预测一个连续值的输出；对离散数据，可以划分为分类，预测离散值的输出。

三、非监督学习

        1、我们让计算机自己学习

        2、给算法大量的数据，要求它找出数据的类型结构

        2、聚类算法：分成几个簇，比如分析用户数据，聚类出一些相同特点，划分出一些消费者市场，但最开始的时候并不知道会分出哪几类。

        3、鸡尾酒会算法：在酒会中，两个测试人员站在距离两个麦克风不同距离的位置用不同的语言数数，算法根据声音的差异将其分离开来。