机器学习常用的算法整理：线性回归、逻辑回归、贝叶斯分类、支持向量机、K-means聚类、决策树、随机森林以及常用的应用场景整理

什么是机器学习？
机器学习是计算机利用已有的数据(经验)得出了某种模型，并利用这些模型预测未来的一种方法。这个过程其实与人的学习过程极为相似，只不过机器是一个可以进行大维度数据分析而且可以不知疲倦地学习的“怪兽”而已。

具体的机器学习过程如下：

由于每个模型有其特殊的需求，本文主要根据数据的类型、数据量以及应用业务场景的不 同将其分为分类、回归、聚类、 降维、深度学习五大类，如下图所示。 通过该图结合生产 的数据类型、数据量以及数据实现的目标从而有效的选择需要的数据模型。

智能技术在制造业中的应用如下：

机器学习算法纵览常见的机器学习算法：

产品视角的14种常见算法简单总结

如何用线性回归模型做数据分析？

决策树

无监督机器学习中，最常见4类聚类算法总结 ：K-means聚类 Dbscan聚类

一文看懂贝叶斯定理及应用

机器学习算法应用场景实例六十则：本文整理了60个机器学习算法应用场景实例，含分类算法应用场景20个、回归算法应用场景20个、聚类算法应用场景10个以及关联规则应用场景10个。包含了天池、DataCastle、DataFountain中所有竞赛场景。