機器學習（arthur samuel，1959）：在確定程式設計之外給予計算機學習能力的研究領域。
機器學習（tom mitchell，1998）：如果電腦程式對於任務t的效能度量p通過經驗e得到了提高，則認為此程式對e進行了學習。
-監督學習：包括回歸（連續性問題：**值或目標變數是連續的）、分類（離散性問題：**值或目標變數是離散值）。需要訓練集，訓練集給出自變數和因變數（即標籤），通過訓練集構造模型；之後，對於新的自變數，採用學習到的模型**因變數的值。
-學習理論（learning theory）：證明機器學習演算法的有效性。
-無監督學習（unsupervised learning）：無訓練集。將所有的資料根據某些屬性進行聚類，之後對聚類結果進行分析，獲取知識。
-強化學習（reinforcement learning）：關鍵是引入了回報函式（reward function）的概念。通過回報函式不斷修正學習演算法，以使演算法更有效。
FPGA機器學習之stanford機器學習第三堂1
請注意 csdn那邊的部落格因為那邊審核的時間太長。搬遷入這裡。stanford機器學習前2堂在csdn的部落格裡面。剛開始他寫了，這個公式第二堂講的，是梯度下降法，房價的那個。如果完全擬合的話，並不能說明你擬合的很好，也有可能是你的資料樣本採集的不正確。過擬合就是說，僅僅是擬合了某種特定狀況的行為...
FPGA機器學習之stanford機器學習第一堂
主講 吳恩達。如果你學機器學習，對這個人牛，神的程度，不了解。你就可以洗洗睡了。必定全球人工智慧最權威專家中有他乙個。他說，機器學習是最重要的it技能。這個是在矽谷那種地方。在中國，目前最火爆的是，網頁和安卓。不過大資料，網際網路，智慧型機械人時代的到來，機器學習也會變的很重要。如果自己程式設計去識...
stanford 機器學習筆記
個 史丹福大學機器學習課程個人學習筆記 上 zip 史丹福大學機器學習課程個人學習筆記 下 zip 一併附上原始講義 史丹福大學機器學習課程原始講義.zip 說明 部落格上很多提出的問題，我難以回答，因為我水平確實有限，更深層次的內容最好找相關大牛諮詢和相關 研讀。如果有想在我這個版本基礎上再新增自...