通常来说，机器学习可以分成两类：①监督学习 ②非监督学习
什么是机器学习🤖（Machine Learning）？
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，他认为机器学习是：
⭐️「不需要确定性编程就可以赋予机器某项技能的研究领域」
1952 年，Arthur Samuel 在 IBM 工作的时候设计了一款西洋棋程序。
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，不能像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 中学习，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
- 任务 T 就是下棋
- 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十分广泛了，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：
⭐️监督学习（Supervised learning）
⭐️非监督学习（Unsupervised learning）
写于 2018.11.29
首发公众号「机器也学习」
