【原】机器学习——入门篇

【说明】

来自慕课网机器学习基础课程的学习笔记，扫盲基本概念。

一、什么是机器学习

定义：利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策。
分类：
离线机器学习：如每晚定时任务建模分析数据进行学习。
在线机器学习：实时的进行建模分析数据学习，来一条分析一条，学习一条。如购物节等。

二、典型案例

关联规则算法

场景：购物篮分析，根据购物篮分析哪些商品是被同时购买的。

聚类算法

场景：用户细分精准营销。

朴素贝叶斯算法

场景：垃圾邮件识别。

决策树算法

场景：信用卡欺骗，银行风险识别。

CTR 预估算法（背后算法是线性逻辑回归算法）

场景：百度的搜索结果，会在竞价排名的基础上，优先显示用户最可能点击的一条结果，这个结果是结合用户之前的行为习惯排序展示的。

协同过滤算法

场景：购物组合推荐。

三、机器学习算法分类

算法分类1

有监督学习、无监督学习、半监督学习

有监督学习

分类算法、回归算法，明确给出学习算法中的Y值

 

 

无监督学习

聚类：没有给出算法中的Y值，需要把用户分成几类自己提前都不知道，根据结果去看Y应该是什么样子，典型的场景比如电信的用户分类。

半监督学习（强化学习）

开始有Y值，但是Y值的数据样本不好，随着数据越来越好，样本越来越好，结果越来越好。

算法分类2

分类与回归、聚类、标注

算法分类3（重要）

生成模型、判别模型
生成模型：告诉你某个数据30%可能是模型中的A类，30%可能是模型中的B类，50%是模型中的C类，是一种推断。
判别模型：告诉你某个数据是模型中的某一类，是一种结果。

四、常见算法