1 - 2 - What is Machine Learning (7 min)
什么是机器学习？
本文主要：定义了什么是机器学习，而且还大概论述了一下机器学习中的一些算法，监督学习、非监督学习、强化学习、已经推荐系统等，这些算法在我们之后的课程中都会学到。
Arthur Samuel在50年代编写了一个西洋棋程序，因为Samuel本身并不是一个下棋高手，但是厉害的是Samuel通过与程序下棋，程序通过学习下棋，最终水平竟然超过了Samuel。这绝对是让人吃惊的结果。
Samuel定义机器学习为：在进行特定编程的情况下，给予计算机学习能力的领域。
当然这个定义有一点不太正式，现阶段比较正式的一个定义是：由来自卡内基梅隆大学的Tom Mitchell 提出，Tom 定义的机器学习是，一个好的学习问题定义如下，他说，一个程序被认为能从经验 E 中学习，解决任务 T，达到性能度量值P，当且仅当，有了经验 E 后，经过 P 评判，程序在处理 T 时的性能有所提升。
吴恩达老师认为经验E 就是程序上万次的自我练习的经验而任务T就是下棋。性能度量值 P呢？就是它在与一些新的对手比赛时，赢得比赛的概率。
本课程吴恩达老师会教我们几种比较常用的学习算法，主要有两种类型，我们称之为监督学习和无监督学习。简单来说，监督学习这个想法是指，我们将教计算机如何去完成任务，
而在无监督学习中，我们打算让它自己进行学习。
现在对它们不了解没有关系，下面的课程都会教的，除了这两种算法，你可能还会听到强化学习和推荐系统等术语，这些都是机器学习中的一员，但是最重要的就是监督学习和非监督学习。
吴恩达老师在接下来的课程中会主要讲解监督学习和非监督学习，并且从工程的角度来给出这两种机器学习算法的应用的建议。
下节课课程种将讲解机器学习中的监督学习和非监督学习之间的区别和联系，之后就会开始讲解机器学习的算法了。
