1.1欢迎
1.2机器学习是什么
（1）一种机器学习的定义：一个程序被认为能从经验E中学习，解决任务T，达到性能指标度量值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。
（2）机器学习算法主要分为监督学习和非监督学习。监督学习是我们将教计算机如何去完成任务，非监督学习是我们打算让计算机它自己去学习。此外还有强化学习和推荐系统等其他机器学习。
（3）本课程主要内容是监督学习、非监督学习、了解应用机器学习算法的实用建议。
1.3监督学习
（1）监督学习基本思想是我们数据集中的每个样本都有相应的“正确答案”（有标签）。再根据这些样本做出预测，像房子和肿瘤的例子。
（2）监督学习分为回归问题和分类问题，前者如房价的预测，将房价的一系列实数值看成是连续的，后者如肿瘤预测，分为良性和恶性两种类别，其取值看成是离散的。
回归问题
分类问题
1.4无监督学习
（1）无监督学习样本没有标签（“无正确答案”），无监督学习算法可能会把没有标签的数据分成不同的簇，这种算法较聚类算法。
（2）一些常见的聚类算法应用：新闻分类、基因学的理解应用、组织大型计算机集群、社交网络分析、市场分割、天文数据分析等。