机器学习The Learning Problem——coursera简要总结

1.人类及动物的学习模式：观察->学习->技能

机器学习的模式：data->ML(机器学习)->skill

2.那什么是skill:技能是某种表现方法的增进   eg:stackdata->ML->more investment gain

3.为什么需要机器学习而不是简单的定义：因为现实中的问题往往比较复杂，不能简单的定义。eg:怎么定义一棵树，只能learn from data.

4.碰到问题了，判断是否可以运用机器学习，三个方面来判断：

　　1）：pattern:是否存在一些潜在的模式（表现方法可以增进eg:预测股市）

　　2）：definition：潜在的模式不容易被定义（所以需要机器学习）

　　3）：data:是否有足够与潜在模式相关的data

5：机器学习的一般流程：

感谢：

機器學習基石 (Machine Learning Foundations) 
by Hsuan-Tien Lin, 林軒田