一. 欢迎参加《机器学习》课程
机器学习的应用：
1.数据挖掘：更好的理解用户
2.无法用编写程序解决：自动驾驶
3.个性化推荐
4.AI：像人类一样学习
二. 什么是机器学习？
机器学习定义：
Arthur Samuel对机器学习的定义：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(有些陈旧，不正式)
Tom Mitchell：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
机器学习算法分类：
1. 监督学习：我们教计算机做某件事情
2. 无监督学习：我们让计算机自己学习
3. 强化学习：
4. 推荐系统：
三. 监督学习(supervised learning)：
监督学习是指 我们给算法一个数据集，其中包含了正确答案。也就是说我们给它一个房价数据集，在这个数据集中的每个样本，我们都给出正确的价格即这个房子实际卖价，算法的目的就是给出更多的正确答案，例如为你朋友想要卖掉的这所新房子给出估价。
回归问题：结果是线性的（我们设法预测出一个连续值的结果）
分类问题：结果是离散的（我们设法预测出一个离散值的结果）
四. 无监督学习(unsupervised learning):
1. 聚类算法：针对数据集，无监督学习算法可能判定该数据集包含两个不同的聚集簇。这是一个，那是另一个，二者不同。是的，无监督学习算法可能会把这些数据分成两个不同的簇。
聚类和分类的区别：
分类：已知数据的类型，即在没有输入的时候，就知道输出的结果（如：肿瘤良性还是恶性）。
聚类：不知道数据的类型，只给数据一些特征，机器根据特征，将数据分开。
2. ‘鸡尾酒会算法’：使用无监督学习实现语音分离