- 1.1欢迎
- 1.2什么是机器学习
- 1.2.1机器学习的定义
- 1.2.2机器学习算法
- 1.3监督学习
- 1.3.1 回归问题
- 1.3.2分类问题
- 1.4无监督学习
- 1.4.1 聚类算法
1.1欢迎 1.2什么是机器学习 1.2.1机器学习的定义
• Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed. 机器学习：在进行特定编程的情况下，给予计算机学习能力的领域。
• Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E. 卡内基梅隆大学Tom 定义：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。
1.2.2机器学习算法1.Supervised Learning 监督学习：学习数据带有标签
2.Unsupervised Learning 无监督学习：没有任何的标签，或者有相同的标签。已知数据集，不知如何处理，也未告知每个数据点是什么。
3.Reinforcement learning 强化学习, recommender systems 推荐系统
1.3监督学习 1.3.1 回归问题预测结果是连续的
1.3.2分类问题预测结果是离散的多个值
1.4无监督学习 1.4.1 聚类算法1.谷歌新闻会搜索成千上万的新闻然后自动地将他们分簇，有关同一主题的新闻被分在一起。
2.给定一组不同的个体，对于每个个体，检测他们是否拥有某个特定的基因，即特定基因的表达程度。使用聚类算法把他们归入不同的类或者归为不同类型的人
3.组织大型计算机集群。
社交网络自动识别是否同属一个圈子的朋友，判断那些人互相认识。
客户市场分割
天文数据分析
4.鸡尾酒party问题，将混在一起的多个音频源拆开。
