Machine Learning 学习笔记1——Introduction

声明：本文是根据 Andrew 老师的公开课中的内容，外加一些个人想法所写

机器学习定义
Arther 在1959年对机器学习给出定义：是让电脑在不完全由编程控住的情况下有自主学习能力的一门学科

本门学科的相关词汇
E(experience): 做某种事情的经验或训练
T(task)：做某件事情的目的
P(probability): 下一次做某事成功的可能性

例子：
E: 下象棋的经历
T: 下象棋这个任务
P: 下一次下象棋获得胜利的可能性

机器学习的规律：同过E(经验)的累加，可以使P(获胜几率)提升

Supervised Learning
我们得到一个数据集，并且知道一些正确的 Training sets（输入输出对），从而可以推断出更多的输出
其中分为“regression”（回归），“classification”（分类），分别针对连续输出以及离散输出

Unsupervised Learning
根据数据的关系对他们进行分类，并没有一些确定的结果帮助我们分析，或对结果做出反馈

最后，Octave 和 Matlab 针对矢量计算进行优化，使用这样的软件可以降低我们的编程难度，节省我们的时间