导论 coursera by Andrew Ng

机器学习

1. 赋予计算机在没有明确编程的情况下仍然具有学习的能力。（1959.Arthur Samuel）
2. 对于某个任务 T 和表现的衡量 P，当计算机程序在该任务 T 的表现上，经过 P 的衡量，随着经验 E 而增长， 我们便称计算机程序能够通过经验 E 来学习该任务。 ( 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.) （1998. Tom Mitchell）

监督学习（supervised learning）

非监督学习（unsupervised learning)

1. 对于分类，输入的数据（训练数据）是带有标签的（label)和特征的（feature）,学习的过程就是从这些标签中找到特征(feature)和label的关系（mapping）。再当有特征而没有标签的数据进入时，可以根据已有关系给他贴标签（label);
2. 对于非监督式的学习就是训练的数据是没有标签的。聚类的效果远不如分类，因为没有标签，但是生活中大量的标签需要太多的资源；
3. 半监督学习，训练的数据一部分是有标签的，一部分是没有标签的，而没有标签的部分常常远大于有标签的部分。通过部分标签的局部特征，以及所有包括大量的没标签数据的整体分布，来求得分类结果。

原标题：导论 coursera by Andrew Ng

关键词：