机器学习

前提知识：

• E：经验Experience
• T：任务Task
• P：任务完成效果的衡量指标Performance measure

机器学习的定义：随着经验E的增多，机器完成任务T的衡量指标P会变得更好

机器学习的分类图：

机器学习分为监督学习和无监督学习两个大类

监督学习（输出值都会有明确含义）

1. 线性回归

预测连续数值输出，输出值是无限集合里的某一个

• 例子：预测房价，输出值是0到无穷大之间的任意值

2. 分类问题

预测离散值输出，输出值是离散值集合里的某一个

• 例子：预测肿瘤是否是恶性肿瘤，输出值只有两个值的可能，“恶性” 或者 “良性”，相当于枚举值

）

无监督学习（输出值没有明确含义，机器”无指导“学习）

聚类

预测输出值在无含义分类中，在无明确输出值分类的前提下，根据特征相似度将数据进行分类

• 例子，邮件自动分类，分类标准是用到了聚类算法