机器学习学习笔记——第一讲——绪论

两年多前买的周志华老师的《机器学习》，两年多了，苦于自己比较薄弱的数学基础（线性代数、离散数学、概率论与数理统计等），一直没有很好的学习这本书。

没想到，两年后，中国大学Mooc上已经有了《机器学习》这门课程，授课老师为中国地质大学的蒋良孝老师。就让我乘此机会学习一下吧。

 

1. 机器学习的定义：利用经验（数据）来改善计算机系统的性能

 

2. 机器学习的主要内容（模型评估与选择，线性模型，决策树，神经网络，支持向量机，贝叶斯分类器，集成学习，聚类，降维与度量学习，特征选择与稀疏矩阵，计算学习理论，半监督学习，概率图模型，规则学习）

 

3. 机器学习与数据挖掘的区别与联系（数据挖掘是机器学习与数据库技术的交叉）

 

4. 数据挖掘的主要内容（数据预处理，数据仓库与联机分析处理，数据立方体技术，挖掘频繁模式、关联和相关性，高级模式挖掘，分类，聚类，离群点检测）