机器学习定义
近代的定义如下：一个计算机程序叫做机器学习，如果它从任务T的经验E中学习，该程序依赖某种指标P.并且以指标P衡量的任务T的表现随着经验E的增长而提升.
举例子：开发一个自动将邮件分类为垃圾邮件的程序
经验E：机器观察你将邮件标签为垃圾邮件或者不是垃圾邮件
指标P：被正确分类的垃圾邮件占所有邮件的比例
任务T：程序将邮件分为垃圾邮件或者不是垃圾邮件
机器学习问题
回归问题
有离散的数据，能够从数据当中得到数据的相关关系，这就是回归问题。
假定你是某公司的负责人，你的手下有一批货物，你想要知道这批货物在接下来三个月里能够卖出多少钱，这个时候就是对这批数据进行回归分析。
分类问题
举个例子：假定我现在想知道我公司消费者的账户有多少被黑过. 我想要实现的目标也就是预测一个离散值输出，在实际问题中，给定某个肿瘤的大小，我能够输出以不同概率表示的恶性和良性肿瘤的结果.
分类问题也包括逻辑回归问题，例如非常著名的乳腺癌肿瘤判断问题，给定几个特征如：肿瘤的大小、患者的年龄
监督学习
监督学习的主要定义是，有一堆正确答案，即已经测试正确的测试集，现在想通过机器学习将其他数据得到正确答案
无监督学习
无监督学习即在上面有监督学习的基础上，给定一个数据集，但是我不知道这个数据集意味着什么.
试图开发一个程序从我们已经有的数据集当中得到某种结构.
