《图解机器学习》：什么是机器学习？

什么是机器学习？

本书认为：机器学习，就是让计算机具有人一样的学习能力的技术，是从堆积如山的数据（也称大数据）中找到有用知识的数据挖掘技术。
本章内容：从宏观的角度对机器学习介绍，并进一步说明机器学习的基本概念。

学习的种类

根据所处理的数据种类不同，分为：监督学习、无监督学习和强化学习等几种类型。
注：强化学习，在【北邮-NLP认证项目-人工智能基础】中被视为无监督学习中的一种，当时老师提到由于强化学习不完全是无监督学习，也有人把强化学习单独列出一类，这个就是实例。

监督学习

本书认为：计算机在学习（训练）过程中，有导师进行指导，告知对错提示、正确答案等，计算机根据学习过程所学的知识、经验、技能，来对没有学习过的内容给出“正确”答案。
使得计算机具有泛化能力，是监督学习的最终目标。**
应用：手写文字识别、声音处理、图像处理、垃圾邮件分类与拦截、网页检索、基因诊断、股票预测等，被广泛应用。
典型任务：预测数值型数据的回归、预测分类标签的分类、预测顺序的排序。

无监督学习

本书认为：和有监督相反，没有导师给出正确答案进行反馈，所以他的学习目标是不定不明确的；
应用：人造卫星故障诊断、视频分析、社交网站、声音信号等解析方面广泛应用，也可以作为监督学习方法的前处理工具。
典型任务：聚类、异常检测等。

强化学习

本文认为：和监督学习类似，但有不同，不同的地方在于虽然没有导师给予反馈，但是机器自身会对结果进行评估，即 自我评估 ，相同的是，强化学习的最终目标和监督学习一样，都是使计算机具有泛化能力，对没有学习过的内容给出“正确”答案。
注：这里和北邮NLP认证项目中，李蕾老师所讲不同，李蕾老师认为，强化学习是无监督学习的特殊一类，因为强化学习没有导师，所以被归为无监督，这样分类也是没问题的，但是要清楚强化学习的特殊点在哪（自我评估）。
强化学习是人类主要的学习方式。
文中举例：儿童为了获得父母的表扬而去做事情。
应用：机器人的自我控制、计算机游戏中的人工智能、市场战略的最优化等。
典型任务：有很多，比如回归、分类、聚类、降维等。