監督學習：給定輸入x和輸出y，任務是學習從輸入到輸出的對映。方法是，先假定某個依賴於一組引數的函式，優化引數，使得逼近誤差最小。型別包括回歸和分類。
非監督學習：只有輸入資料，我們的目標是發現輸入資料中的規律，輸入空間存在著某種結構使得特定的模式比其他模式更易出現，我們對其進行密度估計。聚類是密度估計的一種方法，目標是發現輸入資料的蔟和分組。
增強學習：在某些應用中，系統的輸出是動作的序列，重要的是策略，即到達目標的正確動作的序列。在這種情況下，機器學習程式就應該能夠評估策略的好壞程度，並從以往好的動作序列中學習，以便能夠產生策略，這種學習方法稱為增強學習。
在統計學中，從特殊的觀測到一般的標書稱為推斷，而學習稱為估計，分類被稱為判別式分析。在工程學中，分類稱為模式識別。
機器學習筆記之緒論
1.1引言 機器學習所研究的主要內容，是關於在計算機上從資料中產生 模型 model 的演算法，即 學習演算法 learning algorithm 1.2基本術語 資料集 data set 其中每條記錄是關於乙個事件或物件的描述，稱為乙個 示例 instance 或 樣本 sample 特徵向量 ...
《機器學習》筆記（一） 緒論
機器學習定義 機器學習是對依據經驗提公升自身效能或豐富自身知識的各種演算法和系統的系統性研究。機器學習 原料 任務 模型及特徵，模型佔據中心地位。正確特徵 正確模型 完成任務 任務與學習問題的區別 任務 通過模型來完成 學習問題 學習任務 通過能夠產生模型的學習演算法來解決 機器學習方法的核心 依據...
機器學習筆記 導論
machine learning a probabilistic perspective 第一章 導論 1.1 什麼是機器學習，為什麼需要機器學習。大資料時代，要求機器能自動分析資料，能從已知的資料中學習一些隱藏的模式，來 未來的資料，或者執行一些決策。機器學習大體分為兩類 或者有監督學習 這個方式...