機器學習從學習方式上來講，可以分為兩類：

　　監督學習（Supervised Learning），簡而言之就是“有標簽”學習

　　無監督學習（Unsupervised Learning），簡而言之就是“無標簽”學習

為了便于今后的機器學習，吳恩達先生（Andrew Ng）特別提出了一些notation（漢語譯作“記法”，搞IT的最好漸漸熟悉這些基礎單詞）

　　use x⁽ⁱ⁾ to denote "input" variable·········“feature”

　　use y⁽ⁱ⁾ to denote "output" variable·······“target”

　　(x⁽ⁱ⁾,y⁽ⁱ⁾) is called a training example·····“training example”

　　{(x⁽ⁱ⁾,y⁽ⁱ⁾);i=1,2,3,···,m} is called a “training set”

Note that the superscript "(i)" has nothing to do with exponatiation but simply an index into the training set.

請注意，(i)和指數沒什么關系，僅僅是訓練集的標號罷了。

　　所謂機器學習，其真正目的是訓練一個函數h，使得任意x都有我們期待的y與之對應，如下圖所示

 下面有兩個重要的概念，分別是回歸問題和分類問題，為了保證原意不失真，兩個定義以英文格式給出：

When the target variable that we'll trying to predict is continuous,we call the learning problem a regression problem.

When y can take on only a small number of discrete values,we call it a classification problem.

當了解了以上基本概念后，我們正式進入機器學習課程，為了保證無論你是科研人員或者是工程技術人員，本博客都能對你起到作用，機器學習板塊的任何一節課都會被分為兩個部分：（1）理論推導部分（2）基于MATLAB的算法實踐部分。并被分別予以闡述。如果你有志于立足科研，那么請您“知其所以然”去讀理論推導部分。如果您急于進行工程設計，可以選擇“快餐式”的讀取算法實踐部分。

下面開始正課。