初识机器学习

机器学习中的问题的定义

什么是问题的定义：

我们在什么样的场景下要解决什么样的问题，针对这个问题存在什么样的关键点，因此我可能有什么样的解决思路。接下来才涉及到算法的设计与分析的相关步骤。以及该问题的未来方向。

最终形成分析能力，并且形成解决实际问题的能力。

关键词：基本思路、算法设计与分析、未来方向、分析能力（问题，特征，结果）、解决实际问题

机器学习的实验方法与原则

supervised learning

决策树学习

回归分析

贝叶斯学习

基于实例的学习

支持向量机（SVM）

unsupervised learning

无监督学习方法（聚类）

集成学习（加权多数、Bagging，AdaBoost）

深度学习基础（MLP、CNN、RNN、LSTM、GRU）

基于群体智慧的机器学习数据集构建

机器学习的应用背景

一、数据挖掘

1、商业智能：

商品货架摆放位置

关联规则挖掘

消费券，重复消费。

2、信用危机分析

3、使用历史数据改善决策

二、个性化定制：

1、邮件过虑，

2、学习用户兴趣的应用，

3、电子商务中的推荐。

三、替代人力的软件应用

1、模式识别：人脸识别，语音识别，收拾识别，OCR

2、自动驾驶

3、信息检索

4、相关性反馈