什么是机器学习
对于某给定的【任务T】,在合理的【性能度量方案P】的前 提下,某计算机程序可以自主学习【任务T】的【经验E】; 随着提供合适、优质、大量的经验E,该程序对于 【任务T】的【性能】逐步提高。
这里最重要的是机器学习的对象: 任务Task,T,一个或者多个 经验Experience,E 性能Performance,P 即:随着任务的不断执行,经验的累积会带来计算 机性能的提升。 表述2： 机器学习是【人工智能】的一个分支。我们使用 计算机设计一个【系统】,使它能够根据提供的【训练数据】按照一定的方式来【学习】;随着训练 次数的增加,该系统可以在【性能】上不断学习 和改进;通过【参数优化】的学习模型,能够用 于【预测】相关问题的输出有监督的学习
给定一些标记y，去学习x 无监督学习 统计的方式学习新词“阅兵” 增强学习 机器学习可以解决什么
给定数据的预测问题 数据清洗/特征选择 确定算法模型/参数优化 结果预测 不能解决什么 大数据存储/并行计算 做一个机器人 ML 中的Mechine指的是确定好的模型（分类器或预测的机制 eg:svm支持向量机） 通过给定的样本对模型进行参数的优化 举例: 机器学习:“盯住2号位,她很容易起快球” 传统算法:排球规则。
比如线性的例子 ax1 + ax2 + ax3 = y 数据收集-》数据清洗-》【特征工程】-》【数据建模(门槛比较高，很重要)】 用不同的方法对数据进行分类