机器学习——初识机器学习

1、机器学习是什么？
一个程序从E中学习一些经验来解决任务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。比如：经验E 就是程序上万次的自我练习下棋，通过学习到经验来解决任务T，T 就是下棋。性能度量值P呢，就是它在与一些新的对手比赛时，赢得比赛的概率。
2、机器学习中主要的学习算法？
监督学习和无监督学习，监督学习是我们将教计算机如何去完成任务。而在无监督学习中，让它自己进行学习。
2.1监督学习
监督学习指的就是我们给学习算法一个数据集。这个数据集由“正确答案”组成比如，我们给定一系列房子的数据，这个数据集包含房子的平方数和房子的实际的售价。然后运用学习算法，算出更多的正确答案。
回归问题：估算一个新房子的价格，一般房子的价格会记到美分，所以房价实际上是一系列离散的值，但是我们通常又把房价看成实数，看成是标量，所以又把它看成一个连续的数值。用专业术语来讲就是回归问题。即试着推测出一个连续值的结果。
分类问题：试着推测出离散的输出值，比如：检查客户账户是否被盗，0表示没有，1表示有。利用大量的特征或者线索来做推测。
2.2无监督学习
在无监督学习中，我们已知的数据不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是有相同的标签。针对这种数据集，无监督学习能判断出数据集中不同的聚集簇。如下图：无监督学习算法可能会把这些数据分成两个不同的簇。这叫做聚类算法。

聚类算法：自动地聚类那些相同的且有关联的个体到各个类中。
总的来说，无监督学习是学习策略，交给算法大量的数据，并让算法为我们从数据中找出某种结构。