机器学习 入门

机器学习最大的特点是利用数据而不是指令来进行各种工作，其学习过程主要包括：数据的特征提取、数据预处理、训练模型、测试模型、模型评估改进等几部分。

二、机器学习算法：

机器学习算法可以分为传统的机器学习算法和深度学习。

传统机器学习算法主要包括以下五类：

1. 回归：建立一个回归方程来预测目标值，用于连续型分布预测
2. 分类：给定大量带标签的数据，计算出未知标签样本的标签取值
3. 聚类：将不带标签的数据根据距离聚集成不同的簇，每一簇数据有共同的特征
4. 关联分析：计算出数据之间的频繁项集合
5. 降维：原高维空间中的数据点映射到低维度的空间中
   
   线性回归：找到一条直线来预测目标值
   逻辑回归：找到一条直线来分类数据
   K-近邻：用距离度量最相邻的分类标签
   朴素贝叶斯：选择后验概率最大的类为分类标签
   决策树：构造一棵熵值下降最快的分类树
   支持向量机（SVM）：构造超平面，分类非线性数据
   PCA降维：减少数据维度，降低数据复杂度
   人工神经网络：逐层抽象，逼近任意函数