1.什麼是機器學習

Arthur Samuel (1959): 一門不需要通過外部程序指示而讓電腦有能力自我學習的學科

Tom Mickell (1997): “針對經驗E(experience) 和一系列的任務T (tasks) 和一定表現的衡量 P，如果隨著經驗E的積累，針對定義好的任務T可以提高表現P，就說電腦具有學習能力”

總之，機器學習是一個電腦程序，針對某個特定的任務，從經驗中學習，並且越做越好。

2.機器學習的要素

數據
    經驗最終要轉換為電腦能理解的數據，這樣電腦才能從經驗中學習。誰掌握的數據量大、質量高，誰就占據了機器學習領域最有利的資本。
模型
    即算法，有了數據之後，可以設計一個模型，讓數據做為輸入來訓練這個模型。經過訓練的模型，最終就成了機器學習的核心，使得模型成為了能產生決策的中樞。

3.機器學習解決什麼問題

分類問題	---根據數據樣本上抽取出的特徵，判定其屬於**有限個類別**中的哪一個
    垃圾郵件識別 --- 垃圾郵件？ 正常郵件 ？
    圖像識別 --- 貓？ 狗？ 老虎？
回歸問題 --- 根據數據樣本上抽取出的特徵，預測一個**連續值的結果**
    機器學習就是世界上最強的函數逼近器
    台北2個月後的房價
    電影的票房
聚類問題 --- 根據數據樣本上抽取出的特徵，讓**樣本抱抱團**(相近/相關的樣本在一團內)
    今日頭條的新聞分類
    用戶群體化分