机器学习基础模型回顾

1. 分类问题
   主要算法：
   KNN：近朱者赤 近墨者黑
   决策树：
   在已知的条件中，选取一个条件作为树根，也就是作为第一个决策条件，然后再看是否还需要其他判断条件。如果需要的话，继续构建一个分支来判断第二个条件，以此类推，直到能够推出一个结果，这个分支就结束了。
   同样的，当我们把所有样本数据中出现的情况组合都构建入这棵树的时候，我们的算法也就完成了对样本的学习。最终形成的这棵树上，所有的叶子节点都是要输出的类别信息，所有的非叶子节点都是特征信息。当一个新的数据来了之后，就按照对应的判断条件，从根节点走到叶子节点，从而获得这个数据的分类结果。
   朴素贝叶斯：考虑我们分类所用到的特征和分类结果，朴素贝叶斯有一个假设前提，那就是所有的条件对结果都是独立发生作用的
   SVM
   人工神经网络

2. 聚类问题
   Kmeans
   DBSCAN

3. 回归问题
   线性回归
   罗辑回归

4. 关联
   Apriori 啤酒喝尿不