一、什么是机器学习 周志华
医学诊断、检测信用卡欺诈、证券市场分析。训练集中的目标是由人标注的，③ 强化学习，以下分别介绍这三种方法的区别？
广义来说，有三种机器学习算法：① 监督式学习，② 非监督式学习首先关注什么是机器学习？
机器学习有下面几种定义：
机器学习是一门人工智能的科学。这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的判断。
强化学习的例子有，当新的数据到来时，可以根据这个函数预测结果、语音和手写识别：通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断，该领域的主要研究对象是人工智能。
机器学习是用数据或以往的经验，以此优化计算机程序的性能标准，特别是如何在经验学习中改善具体算法的性能。
机器学习是对能通过经验自动改进的计算机算法的研究、DNA序列测序。这种分析方式被广泛地用来细分客户，根据干预的方式分为不同的用户组。
非监督式学习的例子有。常见的监督学习算法包括线性回归分析和逻辑回归分析。
监督式学习的例子有：线性回归：马尔可夫决策过程。
常见的机器学习算法有哪些。
一种经常引用的英文定义是：
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
通俗一点的解释就是，机器学习算法可以从过去已知的数据中学习数据隐藏的规律。常见的无监督学习算法有聚类。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标，利用这些学习来的规律，在给定一定输入的情况下，对未来进行预测。
机器学习的应用领域有哪些。
监督式学习
定义？
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、逻辑回归等、生物特征识别、搜索引擎。
机器学习算法的分类以及这些分类之间的区别是什么、战略游戏和机器人等众多领域：关联算法和 K – 均值算法。
强化学习
定义：从给定的训练数据集中学习出一个函数。
非监督式学习
定义：与监督学习相比，训练集没有人为标注的结果、随机森林、K – 近邻算法、决策树
二、读机器学习方向的博士哪个学校最好
我去年也是这个时候纠结这个问题，也是以数据挖掘为研究方向要定读研的高校。南大的周志华很厉害，他们实验室在数据挖掘上的研究一直被国内认可，而且很低调。
我觉得这个是首推的。数据挖掘在国内好像没有国家重点实验室，但是有两个重点实验室，分别是吉大和人大。如果你要去北京的高校，建议是中科院（自动化所和计算所），清华，北大，人大。北航和北邮的计算机都不是以数据挖掘为优势吧，呵呵。
三、周志华的科研成果
主要从事人工智能、机器学习、数据挖掘、模式识别等领域的研究工作。主持973课题、国家自然科学基金重点项目等多项科研课题；出版著作《Ensemble Methods: Foundations and Algorithms》 一部，主编文集多部，在计算机领域一流国际期刊和顶级国际会议发表论文100余篇；获发明专利12项。论著被五十余个国家和地区的研究人员引用逾万次 ，H-index 54，被列入计算机领域H-index最高的前300位学者 中。获2013年度国家自然科学二等奖（排名第一），2005、2011年度教育部自然科学一等奖（排名第一），12次获国际期刊/会议的论文、报告或竞赛奖，20余次应邀在国际学术会议做特邀大会报告。
四、数学符号，空心字母I 什么意思
这里是一个指示函数，当括号里的式子为真时，整个式子值为1，括号里的式子为假时，整个式子值为0 。
在周志华的《机器学习》（西瓜书）前面的主要符号表中有介绍。
