什么是机器学习？
机器学习的定义：
- 在没有明确设置的情况下，使计算机具有学习能力——Samuel
- 计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高——Tom Mitchell（experience,task,performance measure）
机器学习算法分类：
- 监督学习（Supervised learning）
- 无监督学习（Unsupervised learning）
- 强化学习（Reinforcement learning）
- 推荐系统（Recommender systems）
监督学习
监督学习是指 我们给算法一个数据集，其中包含了正确答案。也就是说我们给它一个房价数据集，在这个数据集中的每个样本，我们都给出正确的价格即这个房子实际卖价，算法的目的就是给出更多的正确答案，例如为你朋友想要卖掉的这所新房子给出估价。
回归问题：结果是线性的（我们设法预测出一个连续值的结果）
分类问题：结果是离散的（我们设法预测出一个离散值的结果）
无监督学习：
相对于监督学习（给定输入，输出，作为参考），无监督学习不知道输入/输出是什么，可以将所给数据分簇，事先并没有给出分簇规则，只能将数据进行聚类（聚类算法）。
聚类和分类的区别：
- 分类：已知数据的类型，即在没有输入的时候，就知道输出的结果（如：肿瘤良性还是恶性）。
- 聚类：不知道数据的类型，只给数据一些特征，机器根据特征，将数据分开。
