初识机器学习-理论篇（imooc）

一、机器学习是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

二、观察数据--用模型刻画（拟合）规律

三、机器学习发展的原动力：

           从历史数据中找出规律，把这些规律用到对未来自动做出决定；用数据代替expert；经济驱动，数据变现

四、业务系统发展的历史：基于专家经验、基于统计--分纬度统计、机器学习--在线学习

五、机器学习的典型应用：

            购物篮分析：关联规则：啤酒纸尿裤（沃尔玛）
            用户细分精准营销 聚类
            垃圾邮件 朴素贝叶斯
            信用卡欺诈 决策树
            互联网广告 ctr预估
            推荐系统 协同过滤
            自然语言处理 情感分析、实体识别
            图像识别 深度学习
            语音识别、个性化医疗、情感分析、人脸识别、自动驾驶
            智慧机器人、私人虚拟助理、手势控制、视频内容自动识别、机器实时翻译

六、机器学习和数据分析区别：
    数据特点：
        交易数据VS行为数据
        少量数据VS海量数据
        采样分析VS全量分析
    解决业务问题不同

    技术手段不同

    参与者不同 
        分析师VS数据+算法
        目标用户 公司高层VS个体

七、机器学习算法分类
机器学习算法分类一：
    有监督学习：分类算法、回归算法
    无监督学习
    半监督学习
机器学习算法分类二：
    分类与回归
    聚类
    标注
机器学习算法分类三：
    生成模型：陪审团
    判别模型：大法官

八、机器学习解决问题的框架：
    确定目标

    训练模型

    模型评估
        交叉验证
        效果评估

转载于:https://my.oschina.net/u/3736174/blog/1582258