machine learning 機器學習的定義是～電腦在沒有明確程式設計的情況下學習的能力。更正式的定義是，一個電腦程式如果能從經驗 E 中學習，並在任務 T 上的表現 P 隨著經驗 E 的增加而改善，則這個程式被認為是會學習的。 • 監督式學習是指算法在有「正確答案」的範例下學習。例如，給定房屋大小和價格的資料集，算法學習房屋大小和價格之間的關係。 • 梯度下降是一種用於最小化成本函數的算法。通過迭代的方式更新參數，使成本函數逐步減少。有批量梯度下降，在每次迭代中考慮整個訓練集，以及隨機梯度下降，每次只使用一個訓練範例來更新參數。 • 局部加權迴歸是一種非參數學習算法，它在預測時會根據查詢點的鄰近程度加權訓練範例。 • 最大似然估計是一種選擇參數的方法，以最大化觀察到數據的可能性。 • 廣義線性模型是一類更廣泛的算法，包括線性回歸和邏輯回歸。 • 指數族分佈是一類機率分佈，包含伯努利分佈和高斯分佈。 • 樸素貝葉斯 是一種生成學習算法，它假設在給定類別標籤的情況下，特徵之間是條件獨立的。 • 支持向量機 是一種用於分類的算法，它試圖找到一個能最大化類別之間間隔的超平面。