课程：
https://study.163.com/course/courseLearn.htm?courseId=1004570029
这两个笔记更好：
http://www.ai-start.com/ml2014/
https://scruel.gitee.io/ml-andrewng-notes/
课时2：什么是机器学习
定义：
Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.定义：没有明确设置的情况下，使机器具有学习能力的研究领域。
Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.定义：一个适当的学习问题定义如下，计算机从经验E中学习，解决某一任务T进行某一性能度量P，通过P测定在T上的表现因经验E而提高。
e.g. spam email：T给邮件分类 E观察是否把邮件标记为垃圾邮件 P正确归类的邮件的比例
学习算法：
监督学习（教计算机做事）、无监督学习（机器自己学习）、强化学习、推荐系统.....
课时3：监督学习
定义：给算法一个数据集包含正确答案，目的给出更多正确答案
回归问题(Regression Problem)：预测连续值 (real-valued)的输出 （如具体房价）
分类问题(Classification problem)：预测离散值(discrete-valued)的输出 （如0、1、2、3）
（如支持向量机，可处理无数个特征）
课时4：无监督学习
给算法大量的数据，要求它找出数据的类型结构
聚类算法：将数据集分为不同的簇
e.g
鸡尾酒会算法，两个不同方位的混合音频，分离出不同的音频
[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x‘);
使用Ocatve /matlab实践这个算法。
原文：https://www.cnblogs.com/wenhaoqi/p/12170326.html