初识机器学习

机器学习的定义：
1、在没有明确设置的情况下，使计算机具有学习能力——Samuel
2、 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
   学习下棋是E，下赢是T,获胜的概率是P。通过在下棋（T）中提高经验（E）从而增加获胜的概率（P）。

机器学习主要分为：监督学习和无监督学习

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）

 

                                  由size确定price

　　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）

                                       良性的还是恶性的

无监督学习：（新闻故事、细分市场）
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，只能将数据进行聚类。

                     不给出横坐标和纵坐标的含义只是给出数据将它们分为两簇（聚类）

 

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。