十大机器学习算法学习ing。。。

第一重境界： 知道是哪十个？

感知机、K近邻、朴素贝叶斯、决策树、逻辑斯蒂回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔科夫模型、条件随机场。共十个。

第二重境界：每个算法的内涵是什么？

感知机：是二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面。

K近邻：是一种基本分类和回归方法。输入为实例的特征向量，对应于特征空间的点，输出为实例的类别，可以取多类。K近邻不具备显式的学习过程，利用训练数据集对特征向量空间进行划分，并作为其分类的模型。

朴素贝叶斯：是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入、输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求初后验概率最大的输出y。

极大似然法：http://mp.weixin.qq.com/s?__biz=MzAxODkzMzc4Mw==&mid=2247483664&idx=1&sn=cba7c82f00c77f0be9489c1b7ae2bfdc#rd