機器學習的定義：arthur samuel在2023年提出了乙個想法，打算讓他的程式比自己更會下棋。但是他並沒有給出具體的教程。2023年的時候，tom mitchell給出了關於機器學習的定義，他提出，乙個合理的學習問題應該這樣定義：對於乙個電腦程式來說，給它乙個任務t和乙個效能測量方法p,如果在經驗e的影響下，p對t的測量結果得到了改進，那麼就說改程式從e中學習。因此在下棋的例子中，經驗e對應著程式不斷和自己下棋的經歷，任務t是下棋，效能測量方法p可以是它和人類棋手對弈的勝率。
監督學習（supervised learning）:監督學習包括連續問題還有分類問題，連續問題，比如房屋**和房屋大小之間的關係。我們可以通過回歸關係確定，對於特定大小的房屋，其**為多少。分類問題，比如腫瘤大小和腫瘤性質（良性還是惡性）之間的關係。監督學習的結果是已知的,已經有所謂的標準答案了。
無監督學習（unsupervised learning）:與監督學習相對，無監督學習是指，你知道有一組資料，但是你不知道這組資料各自對應的標準答案是什麼。你需要在資料中找到一些有趣的結構。因此無監督學習不需要你給出任何標準答案。聚類學習就是乙個常見的無監督學習。
機器學習演算法可以用一行**表示：
[w,s,v]=svd((repmat(sum(x.*x,1),size(x,1),1).*x).*x');%ica algorithm強化學習演算法：這個演算法的背後指的是回報函式。以一條狗為例，當你在訓練狗時，如果他做了正確的事情，你就對它說，「乖狗狗」，同時給予獎勵，如果他做了錯誤的事情，你就對他說「壞狗狗」。漸漸的，你的狗狗就學會了做正確的事情。所以強化學習演算法的關鍵是：找到乙個恰當的定義，說明什麼是好的行為，什麼是壞的行為。
史丹福大學機器學習公開課
寒假玩了大半了，把各種遊戲給解除安裝了，正兒八經的學習啦。一直想把這個公開課看完，上學的時候吧不想看，放假了也不想看，胡亂寫寫，作為乙個渣渣，把不明白給記下來。這個公開課的第一課，主要是介紹了機器學習概念應用什麼的，好像主要是概念吧，之前看的記不太清了。第二課 監督學習應用 梯度下降 可以看這個鏈結...
資料探勘 史丹福大學公開課 筆記
第一課 監督學習 比如一組癌症資料，拿到資料的時候我就知道它是正常的基因還是癌症基因，然後分類的時候我能正確的，我能將乙個資料對映到其中，並且根據其在哪個分類中作出判斷此基因是正常的or癌症的 無監督學習 無監督學習主要的過程還是聚類。但是我們能夠將資料聚成幾類，但是卻無法知道這一類是什麼，那一類又...
史丹福大學公開課IOS 7學習筆記 （1）
osx kernel unix os power management,mach 3.0 keychain access 基於bsd unix os certificates.sockets,file system,security bonjour collections,core location...