查看“机器学习”的源代码

= 机器学习定义 =

机器学习（Machine Learning），是指计算机从数据中自动分析获得规律，并利用规律对未知数据进行预测。因此，机器学习又称为统计学习(statistical learning)或统计机器学习(statistical machine learning)。

机器学习的一个简洁的定义：对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。

机器学习的内容可以分为监督学习（Supervised Learning）、非监督学习（unsupervised Learning）和半监督学习（Semi-Supervised Learning），还有强化学习(reinforcement learning)和推荐算法(Recommender algorithm)等。 

机器学习的主要任务是预测（Regression）与分类（Classification）。

=预测=

*线性预测：

线性回归模型

=分类=

二元分类的逻辑斯提回归模型

多元分类的逻辑斯提回归模型

= 工具 =

'''Python'''

[http://scikit-learn.org scikit-learn]
([https://github.com/scikit-learn/scikit-learn Source Code])

= 阅读材料 =

# Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. [http://science.sciencemag.org/content/349/6245/255 Machine_Learning_Science_2015]

=参考课程 =

#STA414 (U. Toronto), Statistical Methods for Machine Learning and Data Mining, https://www.cs.toronto.edu/~rsalakhu/STA414_2015/.
#CS229 (Stanford U.), Machine Learning, http://cs229.stanford.edu/.