机器学习总结

前言：总结一下这段时间学习的一些算法，可能有些地方不太准确，欢迎指正~

传统的机器学习大致分为：
	线性回归
	逻辑回归
	决策树
	支持向量机
	神经网络
	等
深度学习以神经网络的回归为基础，之后会谈到的大致有：
	卷积神经网络
	递归神经网络
这段时间学习以来，很直观的体会到，机器学习的本质就是再用计算力和合适的预测算法来预测你想要预测的东西，比如房价问题，分类问题等。假设你的算力足够强大，你可以建立一个非常准确的模型来预测。
对于传统的机器学习方法，你需要自己选择特征。特征越多，当然你的预测可以变得更准确，但是相对来说，你所需要计算的东西也就越多，所以在传统的机器学习算法中，我们会加上一个正则化的参数来判断这个特征对于我们的预测的影响，正则化参数后面我会详细说到。