机器学习(Machine learning) 绪论

1、 什么是机器学习

• Arthur Samuel认为

在进行特定编程的情况下，给予计算机学习能力的领域 。

• Tom Mitchell认为

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，在处理任务T时，性能有所提升 。

2、机器学习算法(Machine learning algorithms)

• 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）

3、监督学习 (Supervised learning)

监督学习就是利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。主要分为以下两类：

• 回归问题：预测一个连续值的输出

eg：房价预测
通过函数拟合预测房价与房间大小之间的关系。

房价预测.PNG

• 分类问题：预测离散值

eg：预测肿瘤是否是良性与其大小之间的关系，预测的输出值是有限个，是离散的，在本例中，则只有两种结果，良性肿瘤（用0表示），恶性肿瘤（用1表示）。

预测肿瘤.PNG

4、无监督学习 （Unsupervised learning）

根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习，即也就是自动的找到不同的类型，将不同的个体归为不同的类型，也就是聚类问题。

聚类问题.PNG

eg：Goole新闻通过搜索成千上万的新闻，将同一主题的新闻聚合在一起。