机器学习入门

1、机器学习是什么？

机器学习是数据通过算法构建出模型并对模型进行评估，评估的性能如果达到要求就拿这个模型来测试其它数据，如果达不到要求就要调整算法来重新建立模型，再次进行评估，如此循环往复，最终获取满意的经验来处理其它数据

2、机器学习分类

1）监督学习

2）无监督学习

3）半监督学习

4）强化学习

3、机器学习算法

1）回归算法

试图采用对误差的衡量来探索变量之间关系的一类算法，回归算法是统计机器学习的利器，常见的回归算法包括：最小二乘法(Ordinary Least Square)、逻辑回归(Logistic Regression)、逐步式回归(Stepwise Regression)、多元自适应回归样条(Multivariate Adaptive Regression Splines)以及本地散点平滑估计

2）基于实例的算法

常用来对决策问题建立模型，会优先选择一批样本数据，然后根据某些近似性把新数据与样本数据进行比较，通过这种方式来寻找最佳的匹配，也被称为“基于记忆的学习”，常见的算法包括“k-Nearest Neighbor”、学习矢量化(Learning Vector Quantization ,LVQ)以及自组织映射算法(Self-Organizing Map)

3）正则化方法

4）决策树学习

根据数据的属性采用树状结构建立决策模型，常用来解决分类和回归问题，包括分类及回归树、ID3、C4.5、随机森林等

5）贝叶斯学习

用来解决分类及回归的问题，常见算法包括朴素贝叶斯算法、平均单依赖估计等

6）基于核的算法

7）聚类算法

8）关联规则学习

9）人工神经网络算法

10）深度学习算法

11）降低纬度算法

12）集成算法