1.ML-监督学习(supervised learning)与无监督学习(unsupervised learning)
1.1监督学习(supervised learning)
初步定义：给定一个数据集，并且给定正确答案，数据集中的每个例子，算法将预测得到例子的“正确答案”。
回归：设法预测连续的输出值；
如，房价预测；
当由房屋面积对应房屋的售价时，一般是成连续关系，当房屋面积越大，售价越高，所以当给出任一房屋size时，其相应的Price也会预测得到，这便是典型的回归问题，输出预测到连续性的值。
分类：设法预测一个离散的输出值。如，判别肿瘤。
肿瘤由许多因素决定，但真正的影响因素有一个，根据肿瘤块的大小判别是否患肿瘤，典型的分类问题，输出预测的离散性的预测值。
1.2无监督学习(unsupervised learning)
没有属性或标签概念，给定数据集，数据分成不同聚类，无监督学习把数据分成多个不同簇，为聚类。
无监督学习，由给定的数据，找出数据中蕴含的类型结构，而后进行聚类分析。