一.什么是機器學習：
機器學習的思路：我們可以利用一些訓練數據（已經做過的題），使機器能夠利用它們（解題方法）分析未知數據（考場的題目）。就像考試前老師給我們預測考試會考什么一樣。
簡單的一句話：機器學習就是讓機器從大量的數據集中學習，進而得到一個更加符合現實規律的模型，通過對模型的使用使得機器比以往表現的更好。
從字面意思上看，監督學習和非監督學習：變量為’監督’‘’
監督學習
定義：根據已有的數據集，知道輸入和輸出結果之間的關系。根據這種已知的關系，訓練得到一個最優的模型。也就是說，在監督學習中訓練數據既有特征(feature)又有標簽(label)，通過訓練，讓機器可以自己找到特征和標簽之間的聯系，在面對只有特征沒有標簽的數據時，可以判斷出標簽。
知道A=1，B=2，C=3，來進行D=？的過程。通過調整參數來讓機器運行在一個范圍內，類似代碼中的循環判斷，假如是一個簡單代碼的話，我先傳入一個字典集，按照ABCD....UVWXYZ的順序，提取它的index,value就可以推出D的值。
如果是一個機器學習的話，先告訴A=1，B=2，C=3，通過找ABC的特征來進行推斷，我認為A=1,B=2，C=3的原因是根據字母的排序，那么我應該告訴機器這個，教他方法然后讓他自己來進行。也就是給他一個方法。
通俗一點，可以把機器學習理解為我們教機器如何做事情。
監督學習的主要分類：回歸(Regression）、分類（Classification)
回歸問題變量是連續的，例如人口，收入，房子面積等
分類是針對離散型的，輸出的結果是有限的。例如是否，對錯，進退等
也就是知道答案的情況下，給一個模型出來，讓所有的數據都能在這個模型中運算，前提是訓練集具有全面性，或者說是針對某一方面有一定的適應能力。如果訓練集的數據不完善，就需要使用一定的方法，例如引進代價函數的概念等....
監督的理解就是我要看着它，或者說按時檢查它。如果我的訓練模型只有1~500的范圍，但是傳入了一個1000的，那么就需要我來再告訴它遇到1000的時候應該怎么辦，或者說給他設定一個方法，例如x1>500，return 0。這樣的
非監督學習
百科： 現實生活中常常會有這樣的問題：缺乏足夠的先驗知識，因此難以人工標注類別或進行人工類別標注的成本太高。很自然地，我們希望計算機能代我們完成這些工作，或至少提供一些幫助。根據類別未知(沒有被標記)的訓練樣本解決模式識別中的各種問題，稱之為無監督學習。
就是我們不告訴機器怎么去做，不給他方法，給他一個簡單的思路。例如：判斷是不是貓---->我給機器一個最先的底層函數（一個完善的，具有一定CMS基礎的），先讓他把1000個照片分成M份，然后告訴他哪一份是貓，哪一份是你分類錯了。然后我告訴他？？？？？
好像也不行我認為這需要一個循環嵌套的一個系統。
類似這樣吧，一發而動全身。
當這種基礎很完善的時候，也許可以進行非監督學習，我只需要評定結果好不好，讓它自己的參數不停的修改，直到我滿意。
網上的說明：
無監督學習的方法分為兩大類：
(1) 一類為基於概率密度函數估計的直接方法：指設法找到各類別在特征空間的分布參數，再進行分類。
(2) 另一類是稱為基於樣本間相似性度量的簡潔聚類方法：其原理是設法定出不同類別的核心或初始內核，然后依據樣本與核心之間的相似性度量將樣本聚集成不同的類別。
利用聚類結果，可以提取數據集中隱藏信息，對未來數據進行分類和預測。應用於數據挖掘，模式識別，圖像處理等。
PCA和很多deep learning算法都屬於無監督學習。
好像說白了就是監督學習底層不夠完善，或者說運用的完善，一個人是沒有手的，我給了一個機械手教它怎么喝水。
無監督學習就是人是完整的人，但是不知道怎么喝水，我只需要做個動作，讓它自己領會。然后給一個評價，OK不OK。直到Ok了為止。
它先通過分類，把一些貓正確的分了出來，然后我說，嗯是對的，那些是錯的，它先提高正確分類那部分的權重值，降低錯誤部分的權重。直到我認可為止。
https://blog.csdn.net/qq_40597317/article/details/80949123中講述了算法的描述。
第一個是簇分配，第二個是移動聚類中心。 那么第二個 移動聚類中心也是基於算法的。還是需要一個完善的人。
http://baijiahao.baidu.com/s?id=1601989883884337751&wfr=spider&for=pc中的表示是：
無監督學習常常被用於數據挖掘，用於在大量無標簽數據中發現些什么。它的訓練數據是無標簽的，訓練目標是能對觀察值進行分類或區分等。例如無監督學習應該能在不給任何額外提示的情況下，僅依據所有“貓”的圖片的特征，將“貓”的圖片從大量的各種各樣的圖片中將區分出來。
無監督學習：
我給機器一個這樣的圖片，它先進行自己的分類，那么我假設它根據：邊數，弧度，角的度這三種分類
按照邊分：就是這樣的
然后按照弧度分：
那么我最后給一個結論，例如我自己內心事先想的就是按照邊來分。那么我告訴他第一張是對的，可以繼續按照這個分，這個就是無監督學習。