一，机器学习是什么？
"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."
Example: playing checkers.
E = the experience of playing many games of checkers
T = the task of playing checkers.
P = the probability that the program will win the next game.
一个计算机程序从指定任务T，学习执行任务T的相关经验E，提高了执行任务的准确性P
比如下棋：
E(数据):下很多盘棋的经验
T(任务):下棋
P(准确性):下下一盘棋赢的概率
二，机器学习的分类
1，监督学习(Supervised Learning)
在监督学习中，会给予一个已知正确答案的输入数据集，找到数据集与正确答案之间的关系
1）线性回归(Regression)
- 输出结果是连续值，给定输入数据，预测输出值，即寻找一个连续函数的映射f，输出连续值
- 映射函数ƒ由是由代价函数来衡量的，设映射函数由hθ(x)=θ1+θ2X表示，代价函数
，算出θ2使代价函数J最小
2）分类(classification)
输出结果是离散值，给输入数据分类
2，无监督学习(Unsupervised learning)
和监督学习相比，无监督学习没有给定正确输出结果，无监督学习并没有给定机器学习的方向，完全是凭数据集中数据与数据之间的内在关系来给数据分块(cluster)，使每个块中数据与数据之间的差异最大值最小
所以也加聚类算法
