初识机器学习

（一）机器学习

   机器学习的第一个定义：第一个机器学习的定义来自于Arthur Samuel。他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。
   机器学习的第二个定义：来自卡内基梅隆大学的Tom教授定义的机器学习：一个好的学习问题定义如下，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时的性能有所提升。（T为任务，P为性能度量，E为经验）

   两种主要的机器学习问题监督学习和无监督学习

（1）监督学习

   监督学习指的就是我们给学习算法一个数据集，这个数据集由“正确答案”组成。即对于给定的输入有确定的输出 。

1.1回归问题

   回归问题：指的是我们试着对这个问题推测出一个连续值的结果。
   回归：指的是我们试着对这个问题推测出一系列连续值属性。即我们根据之前的数据预测出一个准确的输出值。

1.2分类问题

   分类问题：指的是我们试着对这个问题推测出离散的输出值，当然对于分类问题来说输出可以是多个。比如说可能有三种乳腺癌，所以你希望预测离散输出0、1、2、3。0 代表良性，1 表示第1类乳腺癌，2表示第2类癌症，3表示第3类，但这也是分类问题。

（2）无监督学习

   无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。所以我们已知数据集，却不知如何处理，也未告知每个数据点是什么。别的都不知道，就是一个数据集。
   对于无监督学习，一般才用聚类算法来把数据分成不同的簇。