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。