作者：云南 陈建华
基本概念
监督学习（supervised learning）：给定的训练集有类别标记（class label）
无监督学习（unsupervised learning）：给定的训练集没有类别标记
半监督学习（semi-supervised learning）：介于以上两者之间，给定的训练集部分有类别标记，部分没有类别标记
训练集（training data）：训练样例，也就是喂食动物需要的材料
测试集（testing data）：用来测试评估的数据，是骡子是马拉出来溜溜的试金石
分类（classification）：目标标记为类别型的数据
回归（regression）：目标标记为连续性的数值
标记（label）：一条数据类别的标记，input标签前面就有个label
特征值（feature）：实例的某一个特征属性。一堆属性的集合叫做特征向量（features）

机器学习类型：
1）有监督学习（supervised learning）：训练集有类别标记。
2）无监督学习（unsupervised learing）：无类别标记。
3）半监督学习（semi-supervised learning）：有类别标记的训练集+无类别标记的训练集。

机器学习步骤框架：
1） 把数据拆分为训练集和测试集
2） 用训练集和训练集的特征向量来训练算法
3） 用学习来的算法运用在测试集上来评估算法

机器学习中分类和预算算法的评估：
1） 准确率
2） 速度
3） 强壮化
4） 可规模性
5） 可解释性

机器学习是人工智能一个子集，人工智能并不一定需要机器学习，例如路径搜索等