通常来说机器学习可以分成两類：①监督学习 ②非监督学习

实际上，一直以来都没有一个被广泛认可的定义

最早的定义来自被誉为「机器学习之父」的 Arthur Samuel，他认为机器學习是：

??「不需要确定性编程就可以赋予机器某项技能的研究领域」

这款程序神奇的地方是创造它的人本身是个西洋棋菜鸡，但程序通过左右手互博硬是把自己训练成了大师，这可牛逼坏了！！?

在此之前业界对机器的普遍认识是：

「机器无法超越人类，不能潒人一样写代码和学习」

另一个年代近一点的定义出自卡内基梅隆大学的 Tom Mitchell 则给出了一个更现代的定义：

??「一个程序，能够从经验 E 中學习解决了任务 T，性能达到 P ；当且仅当有了经验 E 后经过 P 的评判，处理 T 的性能也跟着提升」

听起来就很难过是不是，那我们举个栗子?！

在上面那个西洋棋的程序中：

• 经验 E 就是西洋棋上万次的左右手互博
• 性能 P 就是与新对手比赛输出胜出的概率

现在机器学习的应用已经┿分广泛了例如百度通过学习算法来进行搜索排名（当然还有根据人民币的多少来排名）、谷歌邮箱的垃圾邮件过滤等等。

?在吴恩达的机器学习教程中，任何机器学习问题都能被分成以下两类：

---