Stanford機器學習系列之一：機器學習基本概念

1. 機器學習定義

機器學習（Arthur Samuel，1959）：在確定編程之外給予計算機學習能力的研究領域。

機器學習（Tom Mitchell，1998）：如果計算機程序對于任務T的性能度量P通過經驗E得到了提高，則認為此程序對E進行了學習。

2. 機器學習四個主要內容

-監督學習：包括回歸（連續性問題：預測值或目標變量是連續的）、分類（離散性問題：預測值或目標變量是離散值）。需要訓練集，訓練集給出自變量和因變量（即標簽），通過訓練集構造模型；之后，對于新的自變量，采用學習到的模型預測因變量的值。

-學習理論（Learning Theory）：證明機器學習算法的有效性。

-無監督學習（UnSupervised Learning）：無訓練集。將所有的數據根據某些屬性進行聚類，之后對聚類結果進行分析，獲取知識。

-強化學習（Reinforcement Learning）：關鍵是引入了回報函數（reward function）的概念。通過回報函數不斷修正學習算法，以使算法更有效。

參考資料：

[1] Andrew Ng. Stanford CS229. Machine Learning. Stanford University

來自： http://blog.csdn.net/kingzone_2008/article/details/8273679