机器学习框架
根据输入的样本是否被标记以及结果的确定性,分为监督学习、无监督学习。
监督学习着重于根据已有的的模型对未知样本的目标/标记进行预测,无监督学习更重于发现数据本身的分布特点。
监督学习根据预测变量的不同,又可以分为分类学习和回归预测;
分类学习有线性分类器、支持向量机、朴素贝叶斯、神经网络、K近邻、决策树(分类)、集成模型(分类);回归预测有线性回归器、支持向量机(回归)、集成模型(回归)。
无监督学习根据应用,常见的有K-means算法(用于数据聚类)和PCA(用于特征降维)等;
插入一个小图表:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/2030cd7e519bbf525162153708705882.png#pic_center)
参考《Python机器学习及实践》清华大学出版社 正在学习ing