Stanford ML - Introduction 入门

在CMU听老婆等人讨论学术问题，很受刺激啊，一个个的名词，不懂。不懂就学习一下吧，information retrieval + machine learning，必须要有共同语言的说：）Information retrieval先看看搜索引擎，从普及型的《这就是搜索引擎》看起，然后Stanford还有个Information retrieval的讲义，有空了也看看。Machine learning从Andrew NG的课程学起吧。

这里简单总结记录一下，方便以后查找回顾，一直是狗熊掰棒子啊。

什么是机器学习呢，简单的定义：Field of study that gives computers the ability to learn without being explicitly programmed。非常学术的定义：A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

机器学习分类：

1. Supervised learning - 有监督式学习。我的理解是training set加了label。根据目标域是否连续，又有Regression 和 Classification算法。

2. Unsupervised learning - 非监督式学习。对应的，training set没有label。举例说了Clustering算法和Cocktail party算法。聚类算法在搜索引擎里面用的也比较多。

其它的也有Reinforcement learning， recommender system等。只是简单粗略的分类。

看到一篇比较详细的不同纬度的机器学习算法分类http://www.csdn.net/article/2014-06-27/2820429。