机器学习能做什么呢。
每当我们打开浏览器，进行需要搜索的内容，如谷歌微软实现了学习算法来对网页进行排列。
使用微博，微信，图片分类能认出你们朋友的照片
每次收到垃圾电子邮件，进行筛选与过滤
数据挖掘，更好的了解用户，提供给用户更好的服务；电子医务记录，把医疗记录变成医学知识，更好的理解疾病；计算生物学，了解人类基因组。
另外，在一些领域中，我们不能写一段程序告诉直升飞机如何去飞，但是我们可以让直升飞机学习如何去飞。
学习算法用来理解人类的学习和了解大脑。
机器学习是什么。
第一个机器学习的定义来自于一个Arthur Samuel，一个人。编写了一个西洋棋程序，这个人很菜，于是通过编程，让西洋棋程序跟自己下了上万盘琪，通过观察布局，知道什么是好的布局，什么是坏的布局。
另一个年代比较近的定义来自于Tom Mitchell，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值p，当且仅当，有了经验E，经过P评判，程序在处理T的时候性能有所提升。
举一个例子，假设您的电子邮件程序会观察收到的邮件是否被你标记成垃圾邮件。T为是否处理正确的垃圾邮件，E应该是手动进行处理的垃圾邮件，p是概率解决垃圾邮件。
那么就引出来监督学习和无监督学习。
监督学习。
横轴表示房子的面积，单位是平方英尺，纵轴表示放假，单位是千美元。那基于这组数据，假如你有个朋友，他有一套750平方英尺的房子，现在他希望把房子卖掉，他想知道这房子能卖多少钱。
监督学习指的是我们给学习算法一个数据集，这个数据集由“正确答案”组成，在房价的例子，我们给了一系列房子的数据，我们给定数据集中每个样本的正确加个，即它们实际的售价然后运用学习算法，算出更多的正确答案。用术语来讲，这叫做回归问题，我们试着推测出一个连续值的结果，即房子的价格。
在举一个例子，查看病历来推测乳腺癌症良性与否，假如有人检测出乳腺肿瘤，恶性肿瘤有害并且十分危险，而良性的肿瘤危害就没那么大
横轴表示肿瘤大小，纵轴表示1，0表示是否为恶性肿瘤。分类指的是，我们试着推测出离散的输出值，所以你希望预测离散输出。
在其他的机器学习问题中，可能会遇到不止一种特征，举个例子，我们不仅知道肿瘤的尺寸，还知道对应患者的年龄，在其他机器学习的问题中，我们通常有更多的特征。
我们以后会讲一个算法，叫支持向量机，里面有一个巧妙的数学技巧，能让计算机处理无限多个特征。
无监督学习
在无监督学习中，我们已知的数据，看上去有点不一样。不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是相同的标签。所以我们已知数据集，却不知道如何处理，也未告知每个数据点事什么，别的都不知道，就是一个数据集。你能从数据中找到某种结构？针对数据集，无监督学习就能判断出数据有两个不同的聚集簇。无监督学习算法可能会把这些数据分成两个不同的簇。所以叫做聚类算法。