第1章：初识机器学习

1.1 机器学习的定义 Machine Learning definition

Arthur Samuel (1959). Machine Learning : Field of study that gives computers the ability to learn without being explicitly programmed.

在进行特定编程的情况下，给予计算机学习能力的领域。

Tom Mitchell (1998). Well-posed Learning Problem: 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.

一个好的学习问题定义如下，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。

举个例子：

1.2 监督学习 Supervised Learning

监督学习（supervised learning）就是我们教会计算机做某些事情，监督学习的每个样本我们都给了正确答案（即有标签），再根据这些样本做出预测。

回归问题举例

使用已知的“房屋面积-房价”样本数据集进行学习，根据待售房子的房屋面积推测出对应的房价。房价可以看作是连续值，这类问题叫回归问题。

分类问题举例

使用肿瘤样本数据集进行学习，根据患者年龄、肿瘤尺寸等信息推测肿瘤类型属于良性、恶性。肿瘤类型可以看作是离散值，这类问题叫分类问题。

1.3 无监督学习 Unsupervised Learning

无监督学习（unsupervised learning）是我们让计算机自己学习，无监督学习的数据集没有给出正确答案（即无标签）。无监督学习算法可能会把这些数据集分成两个不同的簇，所以叫聚类算法。

课程地址：https://study.163.com/course/courseLearn.htm?courseId=1004570029