一.初认识
1.定义
（a）Arthur Samuel的定义
在没有明确设置的情况下，使计算机具有学习能力的研究领域。（比较陈旧）
（b）Tom Mitchell的定义：
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。（较新）
2.监督学习
定义：对于数据集中的每个样本， 想要算法预测，并得出"正确答案"
分类：
（1）回归算法
从无限多个可能的数字中，预测一个数字
（2）分类算法
从一小部分可能的输出中预测一个类别
3.无监督学习
定义：
聚类算法：
作用：被用来组织大型的计算机集群，提取相同点，合成一个类
异常检测：用于检测异常事件
降维：将大数据集压缩为小得多的数据集，同时尽可能少地丢失信息
线性回归模型
任何预测数字来解决问题，模型可以输出无限多个可能的数字
分类模型
预测类别或离散类别，在分类中，只有少数可能的输出，即存在一组离散的有限可能输出