機器學習：目前沒有統一的定義

現有定義：
1.samuel（1950）: 在沒有明確設定的情況下，使計算機具有學習能力。
2.TOM（更新的定義)：計算機程式從經驗E(Experience)中學習，解決某一任務T(Task)，進行某一效能度量P(Performance)，通過P測定在T上的表現因經驗E而提高

舉個例子, 讓郵件系統智慧的過濾垃圾資訊:

T:標定這個郵件是垃圾郵件或者不是(Classfying emails as spam or not a spam)

E: 檢視郵件是標定垃圾或不是(Watching you label emails as spam or not spam\)

P: 正確歸類的郵件的比例(The number(or fraction) of email correctly classified as spam or not)

機器學習分為：

1. 有監督學習

監督學習是指 我們給演算法一個數據集，其中包含了正確答案。也就是說我們給它一個房價資料集，在這個資料集中的每個樣本，我們都給出正確的價格即這個房子實際賣價，演算法的目的就是給出更多的正確答案.

如房價：給定某地房子大小和房價的資料，根據這些資料，給定一個房子尺寸大小，預測該尺寸對應的房價。

迴歸問題(regression)：結果是線性的（我們設法預測出一個連續值的結果）

分類問題(classification)：結果是離散的（我們設法預測出一個離散值的結果）

接下來,兩道題:

1. 你又很多同一件貨物的庫存,你想預測你能賣出多少件

2. 你想設計一個軟體, 來檢查每一個客戶的賬戶,判定這個賬戶是否被侵入或者安全

結果是, 問題1 是迴歸問題

             問題2 是分類問題

2. 無監督學習

相對於監督學習（給定輸入，輸出，作為參考），無監督學習不知道輸入/輸出是什麼，只能將資料進行聚類。