机器学习笔记（一）welcome

机器学习目前供大于求，人才缺口大。 主要讲解机器学习问题的主要类型及算法，主要的机器学习术语，理解不一样的机器学习算法，每一个算法是在何时合适的。 机器学习定义，，，，，（太古板），我的理解，机器能够本身学习，知道要作什么，（经过训练，得到经验） TOM Mitchell定义：经过经验E 学习任务T使用度量 P衡量 性能。P对于T随着E增长而提升。（押韵） 此处举了个例子，标记识别垃圾邮件时哪一个是E,T,P，

机器学习最经常使用的两类：监督学习和非监督学习。Supervised learning and unsupervised learning. 前者是咱们教计算机作事情，后者是让计算机本身学习。

教授机器学习算法就像给你一个工具，一样重要的是教你如何使用这些工具。此处举了个学习成为木匠的例子，有人教你成为一个木匠，告诉你这是螺丝刀，这是刨子，这是榔头，这样很好，你有了全部的工具,更重要的是学习如何正确的使用这些工具。

知道如何使用机器学习的人与不知道如何使用的人相比有很大的不一样。此处又举了个例子，他参观硅谷公司时，一个公司花了6个月作机器学习算法项目，最后失败了，若是他在，就会告诉他们，小小修改一下成功率会高不少。

因此本课程主要花大量时间讨论，假设你设法开发机器学习系统，那么对于你创建你的系统的方式，如何作出最佳 的实际类型决策，以致于应用机器学习算法时，不大可能在作了6个月后失败放弃。所以，将教咱们机器学习和AI中那些最好的实践经验以及如何使这项任务工做，咱们如何来作，硅谷和世界上最优秀的人是如何作的。老师但愿使咱们成为在知道如何设计和创建各类各样的机器学习及AI系统方面最好的人。

接下来会讲机器学习中的监督学习和非监督学习，以及在什么状况下如何使用他们。