什么是机器学习?
①Two definitions of Machine Learning are offered. Arthur Samuel described it as: "the field of study that gives computers the ability to learn without being explicitly programmed." This is an older, informal definition.
②Tom Mitchell provides a more modern definition: "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."
任何机器学习问题可以分为两大类：监督学习和无监督学习
什么是监督学习?
在监督学习中，我们给出了一个数据集，并且已经知道我们正确的输出应该是什么样子，认为输入和输出之间存在关系。
监督学习问题被归类为“回归”和“分类”问题。在回归问题中，我们试图在连续输出中预测结果，这意味着我们试图将输入变量映射到一些连续函数。在分类问题中，我们试图在离散输出中预测结果。换句话说，我们试图把输入变量映射成离散的类别。
（a）回归-给定一个人的照片，我们必须根据给定的图片来预测他们的年龄。
1、找到代价函数：是用回归找到最佳答案的一个主要方法
例如下面这个线性回归：
为了找到J的使J为最小值的（θ的值），一般会使用梯度下降算法
2、梯度下降算法：
3、多特征线性回归
4、多特征线性回归的梯度下降算法
①特征缩放：
特征值之间的取值范围尽可能得相似，区别过大会导致求最优值时变得复杂，可以才用缩放的方法去缩放特征值使他们的范围足够接近，且可以缩放到-n~+n
②选择适合的特征
5、正规方程
①正规方程的不可逆性
a.当两个特征存在密切的相关例如线性相关时，正规方程右边存在无意义或者求不出θ
b.当特征值比较多而样本比较少时
6、正规方程和梯度下降算法都是用来求θ的
二者区别即使用情况，当特征值的数量n小于10000时采用正规方程，因为正规方程更加方便快捷
但是当n大于10000时，
（b）分类-对于一个肿瘤患者，我们必须预测肿瘤是恶性还是良性。
什么是无监督学习？
我们不知道问题的模样，但是算法会自动抽出数据中的结果集，聚类或非聚类
（a）聚类分析：以100万不同的收集和寻找基因，对这些基因的方式自动组组，是由不同的“类似或相关的变量，如lifespan，位置，角色，和操作系统。
（b）非聚类算法：鸡尾酒会”，让你在寻找混沌结构的环境。（即个人的声音识别声音和音乐从网格剖分（鸡尾酒会）。