机器学习-定义、分类、建模过程、数据划分

机器学习

定义：自动从已有数据中找出一些规律，把学到的这些规律应用到对未来数据的预测中，或者在不确定环境下自动的做决策
分类：
监督学习：

1. 线性回归
2. 逻辑回归
3. 朴素贝叶斯
4. 神经网络
5. SVM
6. 随机森林
7. Adaboost
8. CNN

无监督学习：

1. K-means　聚类
2. PCA　协方差矩阵降维
3. ICA　降维
4. MF　矩阵分解降维　推荐系统
5. LSA
6. LDA　分析主题

生成模型：学习特点
判别模型：学习区别

	监督学习	无监督学习
生成模型	Naive Bayes	HMM模型、LDA，GMM
判别模型	逻辑回归、CRF模型

建模过程
数据→清洗→特征工程（特诊决定系统上限，选择模型不断逼近上限）→建模→预测
端到端方法:不做特征工程 例如seq2seq 更多用于图像识别
数据
训练数据:搭建模型
测试数据:测试模型