Python机器学习及实践第一讲——机器学习综述

我们可以总结机器学习有以下特点：
1.许多机器学习系统所解决都是无法直接使用固定规则或者流程代码完成的问题，通常这类问题对于人来说十分简单。比如计算机程序里的计算方法都有着清晰固定的计算流程，不属于具备智能的系统。但是如果要求一台机器去辨别一张照片中的人或物体，机器就很难做到，但对人来说是一件很容易的任务。
2.所谓的具备“学习”能力的程序是指它能够像人一样不断从经历和数据中吸取经验教训，从而应对未来的预测任务。我们一般称这种能力为泛化能力。
3.机器学习系统更加诱人之处在于它可以不断改善自身应对具体任务的能力，称这种能力为性能。
美国卡内基梅隆大学机器学习研究领域的著名教授tom mitchell对机器学习的经典定义：如果一个程序在在使用既有的经验（E）执行某类任务（T）的过程中展现出利用现有的经验（E）不断提高完成任务（T）的性能（P），则认定它是具备学习能力的。
机器学习的任务种类很多，两类经典的任务为：监督学习和无监督学习。
监督学习关注对事物未知表现的预测，一般包括分类问题和回归问题。
无监督学习则倾向于对事物本身特性的分析，常用的技术包括数据降维和聚类问题。