机器学习笔记——监督学习和无监督学习

"自己在学习机器学习过程中的一点记录，多是参考前辈大佬们再加上一点点自己的想法，要是有问题留言就好

一、什么是机器学习？

百度百科的介绍是说机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。
当然这已经很清晰的描述了
再通俗一点讲，机器学习就是让机器学习，让机器自己利用数据，训练出模型，然后使用模型预测的一种方法
===按照吴恩达大佬的话就是通俗来讲，机器学习就是：三个基本的要素，任务T、经验E和性能P。机器学习=通过经验E的改进后，机器在任务T上的性能p所度量的性能有所改进=T–>(从E中学习)–>P（提高）===

二、有监督学习和无监督学习

这里是我觉得对于这两个定义解释的不错的博主的文章链接：有监督学习和无监督学习
以下是自己的想法，其实有监督学习和无监督学习最大的区别就是是否有标签，就比如说在吴恩达前辈的视频课中举的例子，你告不告诉你的计算机这样是良性肿瘤，那样是非良性肿瘤，你告诉了，也就是数据集中有显示，那就是监督学习，如果你什么都没说，单纯靠计算机自己去实现聚类去找相似性最大的样本的话，那就是无监督学习了。