Machine Learning 是人工智能的核心，主要使用归纳、综合而不是演绎。

让计算机模拟人类行为，以获取新的知识或技能

重新组织已有的知识结构使之不断改善自身性能

一个程序能从经验 E 中学习，解决任务 T，达到性能度量值P，

有了经验 E 后，经过 P 评判，程序在处理 T 时的性能有所提升。

主题：

1、监督学习：回归、支持向量机、核函数、神经网络

2、无监督学习：聚类、降维、推荐系统、深入学习推荐

3、机器学习实践：偏差/方差理论、机器学习和人工智能创新过程

————————————————————————————————————————

学习算法最常用两个类型就是监督学习、无监督学习。

将花费最多的精力来讨论这两种学习算法。

 而另一个会花费大量时间的任务是应用学习算法的实用建议。

通过了解如何设计和构建机器学习和人工智能系统，可以帮你成为最优秀的人才。

监督学习：

给学习算法一个数据集，这个数据集含有“正确答案”。

分类    预测值是离散的

回归    预测值是连续的

无监督学习：

数据集没有标签，自动的从中找出结构。

聚类    新闻分组、组织大型计算机集群、社交网络分析、市场分割、天文数据分析

学习算法开发步骤：

第一步：学习算法原型搭建，用MATLAB快速实现学习算法来验证正确性；

第二部：学习算法移植，将算法用C++或JAVA实现。