Machine Learning 

机器学习，什么是机器学习。我觉得尚学堂的培训老师讲的很不错，就是两个字来介绍。------拟人。

就是模拟人类的思维方式。

老师举的例子：

和女朋友约会，第一次约会，约定是晚上七点到，但是女朋友7点十分才到。

第二次，约会，约定也是晚上七点到，但是女朋友还是7点十分才到。

那么第三次呢，这位男同志就可能会通过前两次约会的经验，做出女朋友迟到十分钟的预测，就是概率。也晚十分钟出门，十分钟可以看看书，听听歌什么的。那么这次预测就是对未来做出有价值的判断。

也有可能，前两次是女朋友来的路上碰上堵车，或者那条路修路，绕道。

那么如果约会次数多，一年365天，有300天都是迟到，那么下一次女朋友约会迟到的概率就会很大。

所以，机器学习，是建立在数据的基础上的预测，在海量数据中提取特征值，通过算法建立一个模型。通过测量数据来判断这个模型的正确性。然后改变参数，提高预测的正确性。

斯坦福大学的机器学习课程中，给出了两个定义。

第一种是：

The field of study that gives  computers the ability to learn without being explicitly programmed.

使计算机无需显式编程就能学习的研究领域。

第二种提供了一个更现代的定义：

"A computer program is said to learn from experience E with respect to some class of tasks T and performace measure P ,if its performance at tasks in T,as  tasks in T,as measured by P, improves with experience  E"

“据说一个计算机程序可以从经验E中学习一些T类任务的执行情况并测量P，如果它在T任务中的表现，也就是T任务中的表现，如P所测量的，随着经验E的提高而提高，那么它就可以测量P了。”

又举了个例子：

Example:playing checkers.

玩跳棋

E = experience of playing many games of checkers.

E = 玩很多盘跳棋的经验

T =  the task of playing checkers.

T = 玩跳棋的任务

P = the probability that the program will win the next game.

P = 程序下一句赢得概率

 

In generally, any machine learning problem can be assigned to one of two broad classifications:

总而言之，任何机器学习问题可以被分为两大类

Supervised learning and unsupervised learning.

监督性学习和非监督性学习。