机器学习序绪论

1. 机器学习：计算机能够在不经过明确编程的情况下进行学习的研究领域
2. 类别
   1. 监督学习：有标注的，在大量标注数据中进行训练，多用于实际应用中，进步和创新速度也是巨快的
   2. 非监督学习：数据没有标注，但存在评价的标准或无评价
   3. 推荐系统
   4. 强化学习：自己探索从而进行自我尝试

监督学习

1. 定义：由X到Y的映射的算法
2. 回归：如房价预测是一种特殊的监督学习，他可以用一个数字(房屋的大小)，从无限的可能数字中预测一个数字(房屋价格)。
3. 分类：分类预测的是类别，可以是非数字，也可以是有限的数字【小猫/小狗、0/1/2】，与回归(回归则试图预测所有可能的数字)不同的是，分类的输出存在两个，即1/0；此外，输入也可以是两个以及两个以上注：当存在两个及两个以上的输入时，需要根据算法以及收集的数据来拟合边界，这样才能更好的进行分类。
4. 总结：

非监督学习

1. 定义：以医学检测肿瘤为例，非监督学习的输入和输出并不匹配，其仅仅只是在数据中找到一些比较有趣的东西，即不想监督算法本身。——发现提供的数据可能存在什么特殊的结构和分布【聚类】
2. 聚类算法：获取没有标签的数据，并尝试把他们分组为集群。如新闻的聚类，根据新闻标题相同的词汇，这些新闻会聚集在同一个板块中；+根据DNA微阵列分类人群+公司的客户分类
3. 异常的检测：检测异常事件，如金融诈骗的检测
4. 降维：把一个大的数据集压缩成一个小的多的数据集
5. 总结：