一、机器学习

1. 定义

计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高。

2. 例子

跳棋程序

E：程序自身下的上万盘棋局

T：下跳棋

P：与新对手下跳棋时赢的概率

二、监督学习Supervised Learning 

1. 定义

给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案。

2. 例子

（1）预测房价（回归问题）Regression problem

回归：Predict continuous valued output

目的：预测连续的数值输出

 ·  用直线拟合

 · 用二次函数或二阶多项式拟合（效果更佳）

 （2）预测肿瘤是良性或恶性（分类问题）

分类：Discrete valued output ( 0 or 1 )

目的： 预测离散值输出。就本问题而言，结果只有0和1的输出。

 · 有两个特征影响的时候：

 · 算法最终的目的是解决无穷多个特征的数据集

三、无监督学习Unsupervised Learning 

1. 定义

只给算法一个数据集，但是不给数据集的正确答案，由算法自行分类。

2. 聚类算法

（1）谷歌新闻每天收集几十万条新闻，并按主题分好类
（2）市场通过对用户进行分类，确定目标用户
（3）鸡尾酒算法：两个麦克风分别离两个人不同距离，录制两段录音，将两个人的声音分离开来（只需一行代码就可实现，但实现的过程要花大量的时间）