机器学习概括（学习笔记）

（传统）机器学习

传统机器学习主要有分类（Classification）、回归（Regression）、聚类（Clustering）、降维（Dimensionality Reduction）、决策树（Decision Tree）、集成学习（）、强化学习（）等多种分类。

1.分类。属于标签为离散值的监督类学习。生成的模型需要根据输入参数打出一个离散型数值(预测类别)。 常见的如，KNN、决策树、逻辑回归。

2.回归。属于标签为连续值的监督类学习。生成的模型需要根据输入参数打出一个连续型数值(预测数值)。常见的如，线性回归、非线形回归、岭回归、支持向量回归。

3.聚类。属于无监督学习。需要根据样本参数按照一定规则划分聚簇，将数据分成不同组别。常见的如，K-Means。

4.降维。属于无监督学习。需要根据样本参数进行矩阵相关运算，将样本参数中较高维度的特征转化为低维度，同时尽可能保留样本中的信息。(可作为聚类的前置步骤)追求用更简洁的方式表现数据。