1 The Learning Problem
1.1 Course Introduction
介绍课时设置。
1.2 What is Machine Learning
什么是机器学习？
类比人的学习：通过观察获得经验获得解决问题的技能。
机器的学习：通过大量数据获得经验（模型公式等）提高解决问题的技能（这些技能在是可以被量化衡量），也就是在这些量化的指标上表现得有所提高。
Tom M. Mitchell对机器学习的定义：
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
关于机器学习的一个简单的解释是利用训练样本D和假设集合H求出一个最接近目标函数f的假设g。这个下面会有解释。
满足以下条件时，可以考虑使用机器学习来解决对应的问题：
1. 有可以学习的“潜在模式”，有规律可循。
2. 很难或不能用数学或程序的方式准确定义。
3. 需要关于“模式”的有效输入数据。
做道题：
解答：
1.3 Applications of Machine Learning
机器学习的应用：机器学习早已应用于日常的衣食住行育乐。
做道题：
解答：
1.4 Components of Machine Learning
机器学习的组成元素：
其实输入应该是训练样本D和假设集合H。
组成元素之间的联系：
目的：利用从综述X中抽取的样本数据D求得接近于目标函数f的假设g。f和g是X->y的映射。
做道题：
解答：
1.5 Machine Learning and Other Fields
机器学习与数据挖掘、人工智能和统计的联系。
机器学习与数据挖掘
机器学习与人工智能
机器学习与统计
做道题：
解答：
总结：