初识机器学习 机器学习的两个定义：
一个计算机不需要明确的程序就能自己学习的能力。
一种用于完成任务T，用P来衡量表现和性能并且利用完成任务的经历E去改进自己的程序。
Supervised Learning（监督学习）监督学习分为两种：regression（回归）和classification（分类）
regression：回归算法
回归算法式通过输入一个全是正确答案的值，进行回归拟合之后，尝试去预测得到一组连续的输出。
通常来说，集合中的值是离散的，而预测的值是连续的。
也就是说，我们得到了全是正确答案的集合后，试图找到一个几乎完全贴近的函数，并用该函数式预测正确答案集合中没有给出的数据。
classification：分类算法
分类算法是将特征值和种类判别结果输入后，尝试去预测别的特征值下的种类判别结果。
就是根据特征值情况先进行划分，再去预测数据，来判断这个数据属于猫还是狗。
且通常情况下特征值不止一个，有可能是无限个，我们希望通过算法，将特征值输入后，能够对数据进行分类。
Unsupervised Learning（非监督学习）它和监督学习最大的区别就是，算法的输入数据没有所谓的对错和正负。
非监督学习的主要功能是，让算法自己去发掘数据之间的结构，将结构相同的数据分别集合成一团。
这好像和分类算法有点像。但是由于非监督学习接收到的数据是没有所谓特征值的，他必须自己去找到数据之间的结构，再加以分类。
学习和开发的建议课程中，讲师建议，先用类似matlab或者octave之类的工具对算法模型进行构建，再到Java或者C++进行具体的实现。这样对学习和开发都能大大地提高效率。