人工智能是我们想要实现的目标，其目的是让机器像人一样智能。
机器学习是实现这一目标的手段。
什么是机器学习？
机器学习的步骤,
step 1:定义一个函数空间
step 2:选择评估函数（模型）
step 3:在函数空间中，根据评估函数选出最优的函数
机器学习learning map
监督学习：大量的labelled data
定义：可以由训练资料中学到或建立一个模式（函数），并依此模式推测新的实例。训练资料由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称为分类）。
其中，监督学习的常见任务分以下几类：
1. regression
2. classification
3. structured learning
回归举例：
分类举例：分二元分类和多类别分类
二元分类举例：垃圾邮件
多类别分类：Image Recognition, Playing GO
半监督学习：少量的labelled data+大量无标签数据
迁移学习：少量labelled data + 不相干data）
无监督学习：大量无标签数据
主要运用包括：分类、关联规则、维度缩减
强化学习：少量labelled data
强调如何基于环境而行动，已取得最大化的预期利益。
