What is Machine Learning:
人類學習方式-> 觀察、學習、聆聽
觀察->Learning->Skill
機器學習方式-> 資料Data
Data—>ML—>Skill
為什麼要用機器學習？
例如要定義一棵樹，要怎麼定義？
人類的學習是透過觀察、學習去辨認樹木．
假設要寫程式辨識樹木，可能要寫出一百條規則，辨識樹木；較不容易做到，但是教機器去學習，就可以模擬人類辨識樹木．
如我們要去探索火星，但是我們對火星不了解，不可能寫完所以規則，但可以透過機器去慢慢學習，會比所有規則寫出來有效．
可以用於未知的領域有規則但無法定義完全規則、聲音、視覺較無法定義的辨識應用、高頻交易自動化、個人化服務應用．
教電腦釣魚而不是給魚吃…..
機器學習三關鍵:
1.需要有一些潛在的模式(Pattern)可以讓機器去學習，進而可增進某種效能或表現．
2.有Pattern但是不知道怎麼把它寫下來，或需要寫很多的規則．
3.需要有資料．(ML Base on Data)
