机器学习 (一)：简要介绍

1.监督学习和无监督学习

监督学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。

无监督学习：对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。这里，所有的标记（分类）是未知的。聚类就是典型的无监督学习

2.机器学习的算法选择

如果想要预测目标变量的值，可以选择监督学习算法，再进一步确定目标变量类型，如果目标变量是离散型，如是／否、1/2/3等，可以选择分类算法，如果是连续型的数值，则需要选择回归算法。

如果不想预测目标变量的值，可以选择无监督学习算法，进一步分析是否需要将数据划分为离散的组。如果这是唯一的需求，则使用聚类算法，如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。

监督学习一般使用两种类型的目标变量，标称型和数值型。标称型只在有限目标集中取值，数值型可以从无限的数值集合中取值。