机器学习到底是什么？
你可能知道，机器学习有多种形式，。首先，我们将从定义机器学习 特殊数据库 开始。互联网上最可靠的定义是：“赋予计算机无需明确编程即可学习能力的研究领域。” 然而，这是一个较老的、非正式的定义。
Tom Mitchell 给出了一个更现代的定义，即：“如果一个计算机程序在某类任务 T 和性能指标 P 上的表现随着经验 E 的提高而提高，那么我们就可以说该程序从经验 E 中学习，该经验 E 适用于某类任务 T 和性能指标 P。 ”
跳棋
是不是有点 我怎么知道哪种网速适合我？ 头疼？别担心，我们来举个例子，分解一下。比如，下跳棋，
E = 玩过很多场跳棋游戏的经验
T = 下跳棋的任务。
P = 程序赢得下一场比赛的概率。
如果机器下棋的表现（以获胜场次来衡量） 随着下棋次数的增加而提高，那么我们可以说机器正在自我学习，这就是机器学习。
两种类型：监督机器学习和无监督机器学习。此外，随着该领域的发展，新的类别也应运而生，例如强化学习。让我们深入了解这些类别以及它们的工作原理。
监督学习——机器学习的第一种形式
在监督学习中，我们给定一个数据集，并且已经知道正确的输出应该是什么样子。我们认为输入和输出之间 邮寄线索存在某种关系。监督学习问题进一步分为回归问题和分类问题。
回归
在回归问题中，我们试图预测连续输出中的结果，这意味着我们试图将输入变量映例来说，给定房地产市场上房屋面积的数据，尝试预测其价格。另一个例子是，给定一个人的照片，我们需要预测其年龄或性别。