Machine Learning definition
- Arther Samuel(1959):Machine Learning:Field fo study that gives computers the ability to learn without being explicitly programmed.
- 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 improves with experience E.
監督學習：
利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，也稱爲監督訓練，該過程中有指導者。對於給出的數據集中的每個樣本有相應的“正確答案”。
根據這些樣本做出預測，分爲兩大類：迴歸和分類
根據吳恩達教授的機器學習課程：
- 迴歸問題：預測出一個連續值的輸出。
例子：預測房價問題，根據樣本的數據集進行擬合就可以得到一條連續的曲線。
- 分類問題：設法預測一個離散值的輸出。
例子：根據腫瘤的某些特徵來判斷是良性還是惡性，得到的結果是“良性”或者是“惡性”，是離散的。
此時的1表示惡性，0表示良性。
根據區域不同的來判斷是惡性還是良性。叉表示惡性，圈表示良性。
當然了，預測的特徵也是有很多
無監督學習
無監督學習的數據集和監督學習的不同，沒任何標籤，也就是沒有“正確的輸出結果”。在此過程中沒有指導者，只有計算機自己學習。從數據集中可以通過非監督學習得到數據的某種結構，可能是把數據分成兩個不同的聚集簇，稱爲聚類算法。
聚類算法被應用於很多地方：
- Google新聞
- 基因學的應用：
- 大型計算機集羣、社交網絡分析、市場細分問題以及天文數據分析
- 雞尾酒會問題
宴會中，場景會嘈雜問題等，聲音的辨別、過濾以及提取人的聲音就會顯得很重要。但是需要分析和解析數據問題，所以就涉及無監督學習問題。
在使用語言的編程問題上，例如C++或者是Java中，處理音頻的問題，需要寫很多的代碼，還需要連接那些複雜的C++或者Java庫，但是在機器學習問題中，我們只需要一行代碼即可實現：
SVD（）函數——奇異值分解的縮寫，作爲線性代數常規函數的縮寫。
參考資源：吳恩達 機器學習課程