数据整体叫数据集（data set）
每一行数据成为一个样本（sample）
除最后一列，每一列表达样本的的一个特征（feature）
最后一列，称为标记(label)
机器学习的任务
分类任务
二分类
例如：
判断邮件是不是垃圾邮件
判断发放给客户信用卡是否有风险
判断患病是良性还是恶性
判断股票的涨跌
多分类
例如：
数字识别
图像识别
判断发放给客户信息卡的风险评级
多标签分类
回归任务
例如：
房屋价格
市场分析
学生成绩
股票价格
监督学习和非监督学习
监督学习
给机器的训练数据拥有“标记”或者“答案”
例如：
图像已经拥有了标定信息
银行已经积累了一定的客户信息和他们信用卡的信用情况
医院已经积累了一定的病人信息和他们最终确诊是否患病的情况
市场积累了房屋的基本信息和最终成交的金额
非监督学习
给机器的训练数据没有任何“标记”或者“答案”
对数据进行降维处理：
特征提取：信用卡的信用评级和人的胖瘦无关？
特征压缩：PCA
半监督学习
一部分数据有标记或者答案，另一部分数据没有
更常见：各种原因产生的标记缺失
通常都先使用无监督学习手段对数据做处理，之后使用监督学习手段做模型的训练和预测
增强学习
根据周围环境的情况，采取行动，根据采取行动的结果，学习行动方式
无人驾驶、机器人
批量学习和在线学习
批量学习
优点：简单
问题：如何适应环境变化
解决方案：定时重新批量学习
缺点：每次重新批量学习，运算量巨大，在某些环境变化非常快的情况下，甚至不可能的。
在线学习
优点：及时反映新的环境变化
问题：新的数据带来不好的变化
解决方案：需要加强对数据进行监控
其他：也适用于数据量巨大，完全无法批量学习的环境
参数学习和非参数学习
参数学习
一旦学到了参数，就不再需要原有的数据集
非参数学习
不对模型进行过多假设
非参数不等于没有参数
和机器学习相关的哲学思考
数据确实非常重要
数据驱动
收集更多的数据
提高数据质量
提高数据的代表性
研究更重要的特征
