一、监督学习

例如房屋价格的数据集。在监督学习中，我们将已知的房价作为"正确答案"，并将这些价格与房屋的特征数据一起提供给学习算法。学习算法使用这些已知答案的数据来学习模式和关系，以便在未知情况下预测其他房屋的价格。这就是监督学习， 通过提供正确答案来训练算法以做出准确的预测或估计。

二、回归问题

回归： 推测出这一系列连续值属性。

回归问题： 根据输入特征来预测或推测出连续的数值结果。举例来说，房价预测可以被视为典型的回归问题，其中模型的任务是通过学习输入特征（如房屋的面积、地理位置等）与房价之间的关系，来预测出一个连续的数值，即房价。

三、分类问题 

分类问题是将输入数据分为不同的离散类别或标签。这些类别可以包括两个或多个不同的取值，例如0、1、2、3，每个值代表不同的类别或标签。在分类问题中，算法的任务是对给定的输入数据进行分类，将其归入相应的类别中。

三、怎么处理无限多个特征

通过支持向量机（SVM），可以利用巧妙的数学技巧来处理具有无限多个特征的数据，从而使计算机能够有效地处理这些复杂的特征集。

参考资料：

[中英字幕]吴恩达机器学习系列课程

黄海广博士 - 吴恩达机器学习个人笔记