一、认识机器学习

• grew out of work in AI
• New capability for computers

Examples:

• 数据挖掘
  
  • 网络上的大数据集
  • 链接，诊断记录，生物学，工程学等
  • 无法手工手机数据的应用
  • 无人机，手写字识别，NLP，计算机视觉
  • self-customizing progrrams 自定义程序
  • amazon等的推荐系统

eg：理解人类学习eg:房屋价格

可以根据size预测房子价格。

所以这是一个监督学习算法的例子。 而且它是受监督的学习，因为我们为每个例子都给出了“引用”，“正确答案”。 也就是说，我们被告知什么是实际的房子，我们的数据集中每个房屋的实际价格是多少，而且，这是一个回归问题的例子，其中回归这个术语指的是我们 预测实值输出即价格。

另一种最常见的监督学习问题称为分类问题，预测离散值输出。例如，如果我们正在查看癌症肿瘤并试图确定肿瘤是恶性的还是良性的。 所以这是一个零值的离散输出。

二、机器学习的定义：

1、定义1（Arthur Samuel）：

​ 让计算机在没有明确的程序指令下也有学习能力。

2、定义2（Tom Mitchell）：

​ 一个计算机程序通过经验E来学习某个任务T和一些性能P，并且在P测量的T上的性能随着经验E而提高。（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.）

对于玩棋牌游戏的人来说，体验e将会是让程序玩1000次游戏中的10次对抗自己的体验。 任务t将是玩跳棋的任务。 表现指标p将会是它赢得下一局棋手对抗新对手的概率。

• 视频中的习题（选第一项）：

选项1是T，选项2是E，选项3是P