对学习的定义

学习经验E  完成任务T   绩效指标P

对于某类任务T和性能度量P，如果一个计算机程序在完成T上以P来衡量完成的好坏，并随着经验E而自我完善，那么我们称这个计算机程序在从经验E中学习

(常用)机器学习算法，主要是以下两种：

　　监督学习

　　非监督学习

（其他）学习算法等

　　加强学习

　　推荐系统

（概念）监督学习：

　　我们根据已有的数据集，已经知道正确输出是怎么样的，即输出和输入存在映射关系。

无监督学习

　　结果很少或者不知道结果好坏，但可以基于数据对数据进行聚类导出数据得分类结构，从中获得信息。

分为回归和分类问题：

　　回归：

　　　　在连续输出中预测结果，也就是根据输入变量映射到某些连续函数

　　分类：

　　　　尝试将输入变量映射为离散类别

（支持向量机算法：让电脑处理无限多的特征）

学习算法

　　1.（主）线性回归算法

　　　　在监督学习中数据集被称为训练集

　　　　m表示训练样本数

　　　　x表示输入变量值

　　　　y表示输出样本值

　　　　把训练集中的数据喂给学习算法

　　　　得到一个函数h

　　　　x→h→y

        机器学习流程基本架构

对于一些机器学习算法的介绍，会在后续的博客中提到

机器学习（一）