成功的机器学习应用不是拥有最好的算法，而是拥有最多的数据

机器学习的方法

 

1.回归算法

2.神经网络

3.svm（支持向量机）

4.聚类算法

5.降维算法

6.推荐算法

7.其它（高斯判别，朴素贝叶斯，决策树等等）

 

 

按照训练的数据有无标签，可以将上面算法分为监督学习算法和无监督学习算法，但推荐算法较为特殊，既不属于监督学习，也不属于非监督学习，是单独的一类。

 

监督学习算法：
线性回归，逻辑回归，神经网络，SVM

 

无监督学习算法：
聚类算法，降维算法

 

特殊算法：
推荐算法

 

除了这些算法以外，有一些算法的名字在机器学习领域中也经常出现。但他们本身并不算是一个机器学习算法，而是为了解决某个子问题而诞生的。你可以理解他们为以上算法的子算法，用于大幅度提高训练过程。其中的代表有：梯度下降法，主要运用在线型回归，逻辑回归，神经网络，推荐算法中；牛顿法，主要运用在线型回归中；BP算法，主要运用在神经网络中；SMO算法，主要运用在SVM中。