背景介绍
AI 已是大势所趋，况且又处在这个行业，又在一家人工智能的公司工作做聊天机器人的技术工作。然而，所做的工作又与机器学习基本毫不相干，这么高大上又前景颇好的东西近在眼前确触碰不到，多么可惜啊…
学习资源
不知如何入门，在B站偶然发现Andrew Ng 的机器学习教程，争取可以坚持学完。
第一天入门，主要学习以下内容:
- 1、1 - 1 - Welcome to Machine Learning【中英】
- 2、1 - 2 - Welcome【中英】
- 3、1 - 3 - What is Machine Learning【中英】
- 4、1 - 4 - Supervised Learning 【中英】
- 5、1 - 5 - Unsupervised Learning 【中文】
学习内容
这几节主要其实主要是讲了机器学习的概念
机器学习可以按照如下分类： - 监督学习
- 无监督学习
监督学习
主要分为两大问题：分类问题 和 回归问题。
分类问题预期的是有限个数的离散输出结果，典型的例子：根据已有的肿瘤大小与肿瘤恶性还是良性的数据，预测肿瘤
是良性还是恶性的。
回归问题预期的是连续的输出结果，典型的例子：根据已有的房价与房屋面积的数据，已知房屋面积预测房屋价格。
无监督学习
典型的算法有聚类算法：
eg1: social network analysis 根据好友的互动数据，自动分组人群
eg2: market segmentation 根据客户数据，自动分类细分市场
使用工具的最佳建议
学习机器学习，如果使用c++或java语言开发，代码会非常多，且需要链接到各种库去处理特殊功能。机器学习的研究者通常的做法是，先使用octave或Matlab语言实现好原型，在用其他的语言进一步开发。
