Andrew Ng 机器学习（1）-概念

       机器学习，算是目前计算机领域的热门。那么机器学习到底能够帮助我们做什么呢，它又是一种增么样的科学呢？机器真的能够学习吗？本文就来一一解答这些问题。首先，我们来看看机器学习到底能够做什么让它在计算机领域如此火热。机器学习是一种很酷的技术在多个领域有所应用，最常见的就是我们的搜索引擎中的NLP技术，其他的还有比如人脸识别技术，还有最近google推出的无人驾驶汽车上面的机器视觉，我们平时购物过程中所获得的推荐商品中所用到的推荐技术等等。

        机器能否象人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力[1]。那么到底什么才是机器学习呢？引用两个经典的定义如下：

1. Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed. 
2. Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

个人理解的机器学习比较简单，其实就是让计算机从一堆具有一定关系的数据集合中学习生成某种模型，而这种模型能够在一定的精度范围内对未来的数据进行相应的分析，包括常见的分类、预测等。其次我们需要关心的就是机器学习算法到底都有哪些种类，常见的机器学习算法分类如下[2]:

1. 监督学习:从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。
2. 无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有聚类。
3. 半监督学习介于监督学习与无监督学习之间。
4. 增强学习通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断。

[1].机器学习--百度百科

[2].机器学习--维基百科