机器学习算法

1.什么是算法？

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。举个不完全恰当的列子，一个既能为公司省钱又能很快完成任务的经理当然是好经理。

2.机器学习算法

机器学习是指是可以从输入数据中学到或建立一个模型，并依此模式推测新的结果，可以把机器学习算法分为两类，一类输入数据是由输入特征值和目标值所组成的监督学习（Supervised learning）。另一类是输入数据是由输入特征值所组成的无监督学习（Unsupervised learning ）。
我们经常会遇到分类和回归两类问题，分类是监督学习的一个核心问题，在监督学习中，当输出变量取有限个离散值时，预测问题变成为分类问题。最基础的便是二分类问题，即判断是非，从两个类别中选择一个作为预测结果；常用的算法有 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络等。常见如下例问题：

   1.在银行业务中，构建一个客户分类模型，按客户按照贷款风险的
   大小进行分类。
   2.图像处理中，分类可以用来检测图像中是否有人脸出现，动物类
   别等。
   3.手写识别中，分类可以用于识别手写的数字。
   4.文本分类，这里的文本可以是新闻报道、网页、电子邮件、学术
   论文。

回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系，输出是连续型的值。常用的算法有线性回归、岭回归等。比如下例问题：

 1.房价预测，根据某地历史房价数据，进行一个预测。
 2.金融信息，每日股票走向。
 3.某一天的气温预测。