十大机器学习算法入门

近年来，机器学习与人工智能已广泛应用于学术与工程，比如数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。

对于一个初学者来讲，周志华教授的西瓜书是一个很好的选择，以及相关机器学习视频课程是必不可少的，在这里我先分享基础学习视频 机器学习课程（20集），网上有很多公开课程，大家可以自行查找。接下来，我将和大家分享我所学到的机器学习常用算法。

机器学习算法可归为三类：有监督学习、无监督学习和强化学习。有监督学习指的是需要标识数据（有训练样本，带有属性标签，也可以理解成样本有输入有输出；用于training，即有正例和负例）；无监督学习不需要标识数据（事先不知道样本的类别，通过某种办法，把相似的样本放在一起归位一类）；增强学习介于两者之间（有部分标识数据）。所有的回归算法和分类算法都属于有监督学习。回归（Regression）和分类（Classification）的算法区别在于输出变量的类型，定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。

有监督学习算法（决策树、朴素贝叶斯分类器、最小二乘法、逻辑回归、SVM、集成学习（常见方法：Adaboost模型和Random Forest模型）），无监督学习算法（聚类(K-means聚类、KNN)、主成分析（PCA）、SVD矩阵分解、独立成分分析（ICA））。在这里，介绍的算法如下：