机器学习：
如何解决问题：
1.模型驱动（牛顿力学，化学方程）
2.数据驱动（机器学习，数据可视化，数据挖掘）
Step1:set the model
Step2:training data
Step3:pick the best function
数据集:
1.training data;
2.cross validation data(判断模型好坏，防止过拟合)
3.testing data(不参加训练，判断模型好坏)
监督学习：所有数据都标注，每个x都有一个标签y
半监督学习：一半数据标注，一半未标注
无监督学习：全部未标注数据（代价较小，但可靠性不是很好）
迁移学习：
eg.比如让一个擅长羽毛球的人去训练网球，共同点，他们都需要极强的上肢力量，所以这就时他在新的训练中可以使用到的一点。
源域->目标域
理解为举一反三的能力
数据分布自适应：通过一些变化，将不同的数据分布的距离拉近
特征选择：假设源域和目标域中均含有一部分公共的特征
子空间学习：假设源域和目标域数据在变换后的子空间中会有着相似的分布
