机器学习
设计一个计算机程序来完成任务T，定义P来评估程序的性能，基于经验E不断进行学习，P会不断达到到我们的预期值，则称程序使用的算法为机器学习算法，可见机器学习是一个计算机程序，由于算法有别于传统的计算程序算法，程序所以叫做机器学习。比如设计一个程序来预测房价，预测房价这个任务T，过去已经发生样本信息是经验E，预测房价准确率是性能P。
机器学习分类
根据程序输入数据的类型（经验E）分类可分：监督学习 、强化学习
- 监督学习：根据已有样本数据或标签训练得到的模型算法，需要设计损失函数；
- 强化学习：程序运行需要即时的环境交互训练得到的模型算法，需要设计收益函数。
监督学习
根据程序输入的训练数据是否带标签组合形式可分：传统监督学习、非监督学习、半监督学习
- 传统监督学习，训练的数据都带有标签，主要算法有支持向量机 、人工神经网络 、深度神经网络 ；
- 非监督学习，训练数据不带有标签，主要算法有聚类 、EM算法 、主成份分析 ；
- 半监督学习，使用带标签与不带标签进行训练；
根据模型得到的标签固有属性，可将算法解决的问题分为：分类问题（离散值）、回归（连续值）。
强化学习
........ |
