deeplearn学习笔记2.7

day4

简单了解回顾一下机器学习的部分内容

1.机器学习的一些历史和发展

2.几个典型应用

2.1.关联规则

2.2.聚类

2.3.朴素贝叶斯和决策树

2.4.ctr预估和协同过滤

2.5.典型自然语言和图像识别

3.数据分析和机器学习的区别

最大的区别就是数据分析是分析过去的情况，机器学习是预测未来的情况

4.机器学习的常见算法分类

4.1.有监督（所有数据已经被打好标签）（分类和回归）、无监督（训练数据中没有Y只有X）（聚类）、半监督

4.2.分类和回归、聚类、标注（分词）

4.3.生成模型（分成各个类的概率）、判别模型（分为哪个类）

5.机器学习常见算法

5.1.分类:C4.5、KNN、Naive Bayes、CART

5.2.聚类:K-means

5.3.统计学习:SVM、EM

5.4.关联分析:Apriori

5.5.链式挖掘:PageRank

5.6.集装与推进:AdaBoost

6.机器学习解决问题的框架

6.1.确定目标:业务需求、数据、特征工程

6.2.训练模型:定义模型、定义损失函数、优化算法

6.3.模型评估:交叉验证、效果评估