1. 机器学习
- 计算机无需明确编程即可学习的研究领域。----Arthur Samuel，如图：
- 一般来说，给学习算法学习的机会越多，它表现得就会越好，如图：
2. 监督学习
- 预测输入与输出，或x到y的映射。
- 关键特征是：给与学习算法一些示例来学习，示例中包括正确答案（即对于给定的输入，有与之对应的正确的输出标签y）。
- 学习算法可以通过查看正确答案，在一些没有给出正确答案的输入时，对输出给出合理准确的预测或猜测。如图：
3. 回归算法
- 在无限多个可能的结果数字中，预测一个结果数字。
- 例如：在房价预测中，750平方英尺的房子的价格可能是70000$ 或 183000$ 或是介于两者之间的任何其他数字，如图：
4. 分类算法
- 预测类别，而类别不一定是数字，例如：可以预测一张图片是猫还是狗，预测肿瘤是良性还是恶性。类别可以是数字，例如：预测是0、1，预测是0、1、2。
- 分类算法与回归算法的不同之处在于，分类算法是在一组有限的可能输出类别中，预测一个结果类别，例如：预测是0、1、2，而不是预测所有介于0与2之间可能的数字。如图：
- 例如：在肿瘤判断示例中，我们通过输入病人的年龄和肿瘤大小，学习算法找到了一条边界，将恶性肿瘤与良性肿瘤区分开，该病人的肿瘤更可能是良性的。如图：
5. 监督学习与无监督学习的区别
- 就在于提供的数据是否有标签，即正确答案
- 举例个简单的例子说明：
有监督学习：1 X 1 + 1 = ?
AI： 等于 1 ？
有监督学习：错！ 等于2 ！记住！
（AI调整中）
第二次：
有监督学习：1 X 1 + 1 = ?
AI： 等于 2 ！
无监督学习：1 X 1 + 1 = ?
AI： 等于 1 ？
无监督学习：3 X 4 + 8 =?
AI： 等于 0 ？
。。。。。。。。。
AI：我发现了，数学题都是先乘法后加法！
- 练习题：
