一、引言

1 机器学习定义

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

eg：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

2 监督学习 supervised learning

2.1 监督学习定义

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

如预测房价（回归问题）、肿瘤良性恶性分类（分类问题）

2.2 无监督学习 unsupervised learning

2.1 无监督学习定义

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。

如聚类 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） 

2.3 机器学习算法：

监督学习算法：线性回归、Logistic回归、神经网络、支持向量机等。

无监督学习算法：聚类、降维、异常检测算法等。

特殊算法：推荐算法等。