课程主要内容：

1.什么时候可以用机器学习

2.为什么可以用机器学习

3.怎样用机器学习

4.怎样更好地用机器学习

注：学习视频中，资料探勘= 数据挖掘， 人工智慧=人工智能

一、学习与机器学习

学习：观察→学习→技巧

机器学习：数据（资料）→机器学习→技巧

注：技巧就是增进某种表现或者效果的手段。

二、什么时候可以用机器学习

1. 事情本身存在某些潜在规则，并且有明确的目标（得到“技巧”）；

2.不能用一系列代码直接判断，只能通过学习；

3.得有资料。如预测地球一万年后是不是会毁灭，因为没有过毁灭的数据，所以不能用ML。

三、应用

食：

资料：推特

技巧：某家餐厅的卫生状况、食物状况

衣：

资料：销售数字+顾客调查

技巧：搭配推荐

住：

资料：房屋的建筑形态和耗能

技巧：建筑好后房屋的耗能状况

行：无人驾驶

资料：信号灯图像

技巧：识别信号灯

娱

数据：学生数学教学线上系统

技巧：学生学习状况：判断某道题对于某学生的难度

乐

数据：使用者对电影的评价

技巧：电影推荐

以下是视频PPT（主要附一些相关文献）：

三、具体定义

比如一个风控的例子：银行是否要贷款给顾客

输入：(顾客资料)

输出：(引用卡记录好坏)

实际的规则（但是我们不知道）： 

资料：

机器学到的：hypothesis是一个假说，用去衡量是否可以贷款给顾客。

满足的假说H很多，但我们要从中选一个作为我们学到的预测函数。

数据挖掘VS机器学习： 
机器学习：找

数据挖掘：找一些“有趣的事情”，比如数据中的内在结构，或者增进某种表现、找出一些hypothesis。

他们可以互相帮助。
人工智能VS机器学习： 
人工智能：电脑作出“某种东西”使其有一些聪明的表现，比如“会预测”。

机器学习是实现人工智能的一种方法。
统计VS机器学习 
统计：使用数据作出一些推论。

统计是实现机器学习的一种方法。在机器学习里用到了很多统计学的工具。