#Week1 Introduction

一、What is Machine Learning

课程里主要给了两个供参考的定义：

By Arthur Samuel:

Field of study that gives computers the ability to learn without being explicitly programmed.

By Tom Mitchell:

A 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.

二、Supervised Learning

数据集中的每个样本都有一个"Right Answer"，然后可以根据样本进行预测。

Andrew的课里有两个例子：房价预测、肿瘤分类。

房价预测将价格看作是连续值，通过回归来推测出一个连续的输出；

肿瘤分类的输出结果只有几种，这种分类问题要用样本推测出一个离散的结果。

三、Unsupervised Learning

就是给算法一坨数据，不知道数据里有啥，需要算法自动去发现数据里的结构。

课程介绍了聚类和鸡尾酒算法两种无监督学习的例子：

聚类：将数据分为几簇，每簇有着相似的特征，比如将类似的新闻聚类在一起；

鸡尾酒算法：很多人说话的声音混在一起，输入就是一段音频，需要将单个人的音频分离出来。