笔记是根据吴恩达视频的内容所记录的，视频的地址为：https://www.bilibili.com/video/BV164411b7dx?p=2&spm_id_from=pageDriver
1.2 什么是机器学习
Samuel提出计算机可以学习如何观察棋局的形式来做出最好的选择来进行下棋。当时只是简单的对机器学习的定义。
Tom后来做出定义，在这段话中E经验指的是程序与自己进行几万次跳棋，T就是玩下棋，P就是与新手下棋赢的概率。
这里视频中给出了一个题来测试你对机器学习概念的理解，答案是第一个。第二个是E，第三个是P。
1.3 Supervised Learning （监督学习）
这里是一个监督学习的例子，给定一些已知的数据，在这里是房子的大小和房子的价格，我们通过这些已知的数据点进行学习，可以做出一条可以拟合的线来表示，进行可以对未知点进行预测。
这里拟合的线是用直线还是曲线后面会进行讨论。
监督学习就是根据已知的点去学习，来预测未知点的情况。
在这个例子中，是典型的Regression（回归），就是来预测连续的点或者说输出是连续的，这里输出是price，虽然输出是一个一个的点，但是连起来还是一组连续的。
这个是机器学习的另外一个例子，该例子是一个典型的（Classification）分类问题，他的输出除了0就是1，所以输出是离散的（0/1也是二分类模型）。也可以分为好多好多类，多分类0、1、2…
图的下面部分是将上面的图映射到一条线上面，有点像降维，变成一维的。
这个例子是将机器学习的两个特征放进去进行分类的预测，线的上方会被预测为是恶性肿瘤，线的下方被预测为良性肿瘤，两个特征分别为肿瘤的大小和病人的年龄，其实机器学习要分析的不只是这两个特征的和是否为肿瘤的关系，而是多个特征和肿瘤的关系。
1.4 Unsupervised Learning（无监督学习）
无监督学习不像监督学习，它不会告诉你数据的具体标签，也就是不会告诉你数据具体属于哪个类。对于一个数据集，我们不知道它要用来做什么，我们也不知道每个数据点究竟是什么，代表什么。
对于无监督学习，我们可能判定为该数据集包含两个不同的簇。这也就是聚类算法。
