如何进行机器学习

上篇即第一篇文章简短的介绍了机器学习，让读者大致了解了机器学习是干啥的：

啥是机器学习

 

---

先来看看机器学习具体解决一些什么问题，从功能的角度出发，机器学习主要可以具体解决以下两个问题：

1、分类与预测问题

分类与预测问题是预测问题的两种主要类型，分类主要是预测分类标号（离散属性），通过构造一个分类模型，输入样本的属性值，输出对应的类别，将每个样本映射到原先定义好的类别。而预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值。

应用实例：手写数字的识别（分类）、垃圾邮件的识别（分类）、电影票房的预测（回归分析）、未来房价的预测（回归分析）

2、聚类问题

分类问题是已知结果对数据特征进行分类，属于“监督学习”，而聚类则不需要知道样本所属标签，即没有给定划分类别的情况下，根据数据之间的相似度对数据进行划分，属于“非监督学习”。如常见的k-means聚类算法，通过样本之间的距离将数据分为