机器学习算法简介

一、监督学习       

      偏差和方差就像飞镖射到靶子上。每个飞镖就是从不同数据集得出的预测结果。高偏差、低误差的模
型就是把飞镖扔到了离靶心很远的地方，但是都集中在一个位置。而高偏差、高误差的模型就是把飞
镖扔到了靶子上，但是飞镖离靶心也很远，而且彼此间很分散。低偏差、高误差的模型就是把飞镖扔
到了离靶心很近的地方，但是聚类效果不好。最后就是低偏差、低误差的模型，把飞镖扔到了离靶心
很近的地方，聚类效果也很好

        在理想情况下，模型具有低偏差和低误差，但是二者具有背反特征，即要降低一个指标的时候，另一
个指标就会增加。这就是著名的偏差-方差均衡(Bias-Variance Trade-off)。

二、无监督学习

     没有误差项要评估，其效果的是评估数据结构的一些属性

       机器学习系统应该可以这样评估：用系统在真实世界中发生错误的代价来表示效果评估方法。

      真阳性 真阴性 假阳性 假阴性四个结果可以用来计算分类系统效果的评价体系，包括准确率（accuracy），精确率（precision）和召回率（recall）三项指标

TP是真阳性统计结果，TN是真阴性统计结果，FP是假阳性统计结果，FN是假阴性统计结果：
准确率：
ACC =TP + TN/(TP + TN + FP + FN)

精确率：

P =TP/(TP + FP)

召回率：

R =TP/(TP + FN)