绪论：初识机器学习
定义：Arthur Samuel(1959).赋予计算机在无需对其编程的情况下能够自主学习的能力的研究。。。Tom Mitchell(1998).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。。。
算法：主要的两类是监督式学习（教会计算机做某件事）和无监督式学习（让计算机自己学习做某件事），此外还有强化学习和推荐系统。
监督式学习(SL)：给算法一组预测结果的数据集（对每一个样本，清楚告知所谓的正确答案），算法的任务就是正确找到不同输入情况下对应的预测结果。它的算法有隐马尔可夫模型，决策树，最大熵模型，支持向量机，条件随机场等。
SL的例子：回归问题，比如房价预测问题，用来预测连续的数值输出；分类问题，比如预测肺癌是良性或是恶性问题，预测一个离散值输出。
学习算法不仅能处理三到五个特征，还能处理无穷多个特征，以支持向量机算法为例，它用到了一个数学上的方法来解决这个问题。
无监督式学习(UL)：给算法一组数据集（有相同标签或者没有标签），算法找到其中的某种结构，对结果进行聚类，各属于哪一个簇。算法有：主成分分析，等距映射，局部线性嵌入方法等。
UL的例子：最典型的例子就是聚类问题。。谷歌新闻，用来搜索成千上万条新闻，自动将其进行分簇，有关同一主题的新闻。
无监督学习算法或聚类算法的应用：新闻分类，管理计算机协同工作，基因组分类，社交网络分析，市场用户分割，天文数据分析等。
鸡尾酒会算法代码：
[W, s, v] = svd((repmat)(sum(x.*x, 1), size(x, 1).*x)*x')