初识机器学习-理论

一.什么是机器学习

            利用计算机从历史数据中找到规律，并把这些规律用到对未来不确定场景的决策。

      1.1 价值（1）数据替代专家  （2）经济驱动，数据变现

     

二.应用

        1.关联规则 如：啤酒与纸尿裤

        2.聚类  如：用户的分类

        3. 垃圾邮件（朴素贝叶斯） |    信用卡欺诈（决策树）    

        4. 互联网广告（ctr预估）   |    推荐商品（协同过滤）

三.细分领域

        1.自然语言处理：  情感分析    |     实体识别（文章中的专有名词：如：人名，地名）

        2.图像识别：      

        3.语音识别

        4.生物设别

        5.自动驾驶

        6.手势控制

        7.视频内容识别

四.机器学习与数据分析的区别

        1.交易数据 VS 行为数据 （搜索历史、点击历史、浏览历史、评论）

        2.少量数据 VS 海量数据

        3.采样分析 VS 全量分析

        4.解决业务问题不同：OLAP（报告过去的事情）、机器学习（预测未来）

        5.技术手段不同 ： OLAP(用户驱动，交互式分析）、机器学习（数据驱动，自动进行知识发现）

        6.参与者不同： OLAP（分析师决定结果）、机器学习（数据质量决定结果） 

        7.目标用户不同：OLAP（公司高层）、机器学习（个体）

五.机器学习常用算法

    算法分类1

         1.有监督学习

                               

        2.无监督学习（聚类）

        3.半监督学习（强化学习）

  算法分类2

        1.分类与回归

        2.聚类

        3.标注

  算法分类3

        1.生成模型

        2.判别模型