[toc]

什么是机器学习

对于某给定的任务 T, 在合理的性能度量方案 P 的前提下, 某计算机程序可以自主学习任务 T 的经验 E. 

随着提供合适, 优质, 大量的经验 E, 该程序对于任务 T 的性能逐步提高.

换个表述:

机器学习是人工智能的一个分支. 我们使用计算机设计一个系统, 使它能够根据提供的训练数据按照一定的方式来学习.

随着训练次数的增加, 该系统可以在性能上不断学习和改进. 通过参数优化的学习模型, 能够用于预测相关问题的输出.

机器学习的对象

任务: Task, T. 一个或者多个

经验: Experience, E

性能: Performance, P

即: 随着任务的不断执行, 经验的累积会带来计算机性能的提升.

人类如何学习

我们如何从完全 "无知" 到掌握知识?

通过语言/颜色/形状等特征统计.

学习的类型:

1. 有监督的学习

2. 无监督的学习

3. 增强学习

机器学习的内涵与外延

可以解决什么

给定数据的预测问题

• 数据清洗/特征选择
• 确定算法模型/参数优化
• 结果预测

不能解决什么

• 大数据存储/并行计算
• 做一个机器人

举例

机器学习: 盯住 2 号位, 她很容易起快球

传统算法: 排球规则