近两年陆续看过不少大牛的机器学习课程，终觉得只是看过印象不深刻。打算利用一个月的空余时间整理出基于老板机器学习课程的学习笔记分享给大家。
1. 什么是机器学习？
三个问题：要学什么？从哪里学？怎么学习？
给出卡内基梅隆大学Tom M. Mitchell 对机器学习的定义：“A computer program is said to learn from experience E with respect to some class of task T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E”. 引出机器学习三要素：决策函数（Task）、经验数据（Experience）、机器学习模型（Performace）。如下图所示
机器学习核心：已知→未知，有限→无限。
2. 典型机器学习问题
机器学习笔记序列讲解顺序同下图：
3. 典型机器学习应用
- 物体识别、目标定位与识别、姿态识别、动作识别、事件检测
- 文本分类、垃圾邮件过滤（bag of word）
- 检索、推荐系统
- 用户甄别
阅读：
[1] Pattern Recognition and Machine Learning, Christopher, M.Bishop, Springer, 2006. 1. Introduction
[2] High-Dimensional Data Analysis: The Curses and Blessings of Dimensionality, David L. Donoho, ICM 2000
