吴恩达机器学习1-引入

1. 应用领域：

数据挖掘： 搜索引擎等
计算机生物学：基因序列等
自然语言处理：推荐算法等
计算机视觉：手写识别等

2. 机器学习的定义：

定义1：
	在进行特定编程的情况下，给予计算机学习能力的领域，比如学习下棋。
定义2：
	一个程序被认为能从经验 E 中学习，解决任务 T，达到性能度量值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。
在这里我的理解方式为：
E：样本
T：对样本的处理方式
P：处理的效果或者正确率

3. 监督学习：

定义：教计算机如何去完成任务(训练集被标记)
举例：
1.回归问题：给定一组房价和尺寸，通过已有的关系对未知的房价和尺寸进行预测
2.分类问题：给定一组邮件，通过已有的标注判断是否为垃圾邮件

4. 无监督学习：

定义：计算机自己进行学习（训练集未被标记）
举例：
聚类问题：给定一组样本，要求对样本进行分类
样本信息是未知的，比如检索成千上万个新闻，对其进行分类成不同的主题

两者的区别是学习过程中使用的训练样本是否含有标记信息