第一章：什么是机器学习
定义：计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高
eg：跳棋程序
E：程序自身下的上万盘棋局
T：下跳棋
P：与新对手下跳棋时赢的概率
个人理解：人类学会了知识，可以内化进脑子里的；但机器（计算机）不会自己“记”东西，它就像一个没有感情、记性只有0秒的超级计算器。依托于一个具体的“笔记本”（即模型 ），才能存储学到的规律。通过大量的已有的数据训练不断往笔记本中添加正确的经验，最后给出现实中的案例对机器进行测试，通过测试得分来判断笔记本中的经验（模型）能否真正用于解决现实中实际问题。
第二章：监督学习与无监督学习
定义：机器学习分为监督学习与无监督学习两类
监督学习定义
给算法一个数据集 ，其中包含了正确答案，算法的目的是给出更多的正确答案，监督学习包括分类问题（预测离散值输出，结果只有有限个输出）与回归问题（预测连续的数值输出）。
无监督学习定义
只给算法一个数据集，但是不给数据集的正确答案，由算法自行分类。
个人理解
监督学习中的分类问题像是过学习一系列番茄炒蛋的样本判断全新的番茄炒蛋是否好吃，回归问题像是通过学习一系列样本预测某个房子的房价。无监督学习在日常生活中被广泛应用如新闻软件通过每天收集大量新闻，并且自行按照主题分好类，购物软件通过对用户进行分类，确定目标客户以便推荐个性化商品。
ps：回归问题房价预测图
