Topic： Definition of ML

1. Arthur Samuel的定義

Machine learning是在沒(méi)有明確編程的情況下，計(jì)算機(jī)自主學(xué)習(xí)的能力。

Arthur Samuel之所以出名，是因?yàn)樗麑?xiě)了一個(gè)跳棋程序，他自身并不是一個(gè)跳棋高手，它的程序是通過(guò)成千上萬(wàn)次計(jì)算機(jī)自己的游戲，得出結(jié)論，哪些局勢(shì)會(huì)贏，哪些會(huì)輸，于是局勢(shì)的不同就有了“好壞”。

因此，跳棋成了一個(gè)經(jīng)驗(yàn)豐富的棋手。

2.Tom Mitchell的定義

Arthur的朋友，來(lái)自CMU的Tom有不同的定義方法。

Machine Learning是計(jì)算機(jī)程序從經(jīng)驗(yàn)E中學(xué)習(xí)任務(wù)T，并且用表現(xiàn)評(píng)估P來(lái)評(píng)估性能。

對(duì)于跳棋程序

E：成千上萬(wàn)次的自身對(duì)弈

T: 下跳棋

P: 勝率

另一個(gè)例子：

基于我們?cè)卩]件客戶端標(biāo)記垃圾郵件而更好的過(guò)濾垃圾郵件的機(jī)器學(xué)習(xí)程序，他的EPT分別是什么？

Experience: 無(wú)數(shù)用戶對(duì)自家垃圾郵件的手動(dòng)分類

Task: 篩選掉垃圾郵件

Performance measure: 郵件分類的準(zhǔn)確率

監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別：監(jiān)督學(xué)習(xí)需要一個(gè)帶有“正確答案”的train set，這樣他才能像人使用數(shù)學(xué)歸納法一樣得出一個(gè)規(guī)律。

當(dāng)然機(jī)器獲得feature的方式并不是主動(dòng)思考，而是被給予了一個(gè)函數(shù)模型，根據(jù)這個(gè)函數(shù)模型計(jì)算出所有train data離函數(shù)曲線總體最近的時(shí)候，函數(shù)的參數(shù)。

從而得到一個(gè)具體的函數(shù)。