机器学习的简单介绍及分类

一 、机器学习的简介

       机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

二、机器学习的分类

   1、从机器学习角度问题分析

         1.1 监督学习 (知道特征和标签)      

         1.2无监督学习（基于监督和无监督更复杂的算法）

         1.3半监督学习（知道特征不知道标签）

2、从算法的功能角度分类

         2.1 回归算法（逻辑回归也可以视作回归算法的一种）

• Ordinary Least Squares Regression (OLSR)
• Linear Regression
• Logistic Regression
• Stepwise Regression
• Locally Estimated Scatterplot Smoothing (LOESS)
• Multivariate Adaptive Regression Splines (MARS)

         2.2 基于实例的算法

• k-Nearest Neighbour (kNN)
• Learning Vector Quantization (LVQ)
• Self-Organizing Map (SOM)
• Locally Weighted Learning (LWL)