机器学习课程_课堂笔记1：

声明：这个系列的文章主要用来记录自己这段时间学习斯坦福大学《机器学习》课程的个人学习笔记，内容主要来自Andrew Ng教授学习视频。准备大部分记录自己的理解，可能会有一些实验贴出来。各位看官，看看就好，不严谨，不过欢迎讨论，共同进步。学习疑惑详情还是去看Andrew Ng的视频比较好。

机器学习：

Tom Mitchell：“对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。”

监督学习

1.回归分析问题 拟合的数据曲线

2.分类问题

支持向量机算法 无线维向量映射到计算机中

事先知道一组准确数据所代表的意义的算法。 比如拟合的数据曲线

应用领域：各种工程领域的模式识别等等

无监督学习

在一组不知道准确结果的数据中发现特定的结构

应用领域：聚类 图像识别 语音处理（鸡尾酒问题）

强化学习

回报函数 你需要一种方式 来定义你要干什么 并定义好行为和坏行为，总结一个学习型算法获取更多的回报和更少的惩罚

应用领域： 机器人领域 网页爬取