机器学习（一）

学习内容：

1.什么是机器学习 2.什么是监督学习 3.什么是无监督学习

一、什么是机器学习？

1.第一个定义来自于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；
2.第二个定义来自于Tom Mitchell 。它定义的机器学习是，一个好的学习问题定义如下，他说，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。我认为经验 E 就是程序上万次的自我练习的经验而任务 T 就是下棋。性能度量值 P 呢，就是它在与一 些新的对手比赛时，赢得比赛的概率。

例如。在我们的邮箱中，邮箱会自动检测你收到的邮件是否是垃圾邮件。那么在这个过程中，经验E即为观察垃圾邮件和正常邮件；任务T为辨别垃圾邮件；性能度量值P为正确分类垃圾邮件和正常邮件的正确概率。

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、监督学习和无监督学习

1.监督学习就是给计算机一堆设置过标签，标记过的数据集，教计算机去做某件事；

涉及到的算法有SVM（支持向量机）（support vector machine），一类按监督学习方式对数据进行二分分类的广义线性分类器
应用于垃圾邮件是否的分类；以及疾病有无的分类

2.无监督学习即为给计算机一堆没有标签的数据堆，在计算机看来都是一样的数据，让计算机自己学习去做某件事；

涉及到的算法有聚类算法（cluster），应用于新闻时间专题分类：将几十条新闻归并到一个专题中，当点击URL时，会跳转到另一个新闻；应用于大型计算机集群；社交网络的分析；市场分类；
其中有一个鸡尾酒排队算法：**[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).x)x’);
svd为奇异值分类