网易公开课学习笔记
机器学习的定义
Arthur Samuel：“在不直接针对问题进行编程的情况下，赋予计算机学习能力的一个研究领域”
让计算机学会如何下棋，并超过自己
Tom Mitchell：给计算机一个任务T和性能测试方法P，如果在经验E的影响下，P对T的测量结果得到了改进，我们说程序从E中得到了学习
E（experience）:程序不断和自己下棋的经历
T（task）：下棋
P（performance）：程序和人下棋胜出的概率
一、supervised learning（监督性学习）
学习标准输入和标准答案间的关系，给我们提供一个某种意义上的正确答案
回归问题 regression problem，需要测量的变量是连续的：房屋面积和房屋价格的关系
分类问题 classification problem，需要测量的变量是离散的：乳腺癌肿瘤数据，肿瘤大小和肿瘤是否为良性的关系（是否为良性，取值只有0或1），
通过肿瘤大小，病人年龄，肿瘤是否良性的数据来预测新输入的病人数据结果是否为良性
支持向量算法，将数据映射到无线纬的空间中，处理无限种特征
二、learning theory（学习理论）
三、unsupervised learning（无监督性学习）
聚类问题，用户画像、分类
计算机群组织、社交网络分析、市场划分
四、reinforcement learning（加强学习）
进行一次性决策，如何定义一个好的行为
应用：机器人领域、网页爬取